IT之家 10 月 6 日消息，麻省理工學院聯(lián)合 Meta AI 的研究人員日前開發(fā)了一款名為 StreamingLLM 的框架，為大語言模型可能遇到的 RAM 與泛化問題提出了一系列解決方案，號稱能夠“讓語言模型處理無限長度的文本內(nèi)容”。
StreamingLLM 的研究重點，是想解決實現(xiàn)流式語言模型（Efficient Streaming Language Models，ESLM）的障礙，特別是“長時間互動的多輪對話場景”中可能出現(xiàn)的問題。
研究人員指出，這種流式語言模型主要存在兩大挑戰(zhàn)：
第一個挑戰(zhàn)：在解碼階段，獲取 token 的鍵（Key）值（Value）狀態(tài)會消耗大量的 RAM。
第二個挑戰(zhàn)：目前流行的大語言模型，難以泛化適用“超過訓練序列長度”的長文本。
IT之家注意到，過去有許多研究試圖解決上述挑戰(zhàn)，像是“擴展注意力窗口”，讓語言模型能夠處理超出預訓練序列長度的長文本；或是建立一個固定大小的活動窗口，只關(guān)注最近 token 的鍵值狀態(tài)，確保 RAM 使用率和解碼速度保持穩(wěn)定，但若遇到“序列長度超過緩存大小”時，這個策略就會失效。
而當前流式語言模型最大的挑戰(zhàn)是“如何不消耗過多 RAM 且不損害模型性能的前提下，處理長文本輸入”。
StreamingLLM 對此采取的策略是“運用注意力下沉現(xiàn)象”，研究人員觀察到，在自回歸語言模型中，無論特定 token 和語言模型本身的相關(guān)性如何，如果對代 token 分配了大量的注意力。這些獲得高度注意力的 token，就會表現(xiàn)出注意力下沉的現(xiàn)象，即便這些 token 在語義上不重要，但他們?nèi)匀猾@得模型強烈關(guān)注（即給予特定 token 內(nèi)容大量注意力，從而獲得模型大部分的關(guān)注，而這些特定 token 內(nèi)容包含“下沉 token 的鍵值”，從而確保無論輸入序列有多長，模型的注意力計算都能維持穩(wěn)定）。
StreamingLLM 的重要貢獻，在于其提出一個簡單且高效的解決方案，使語言模型不需微調(diào)就可以處理無限長度的文本。從而解決當前語言模型在流式應用的困境。雖然未來流式語言模型勢在必行，但由于 RAM 效率的限制，以及模型在處理長序列的性能問題，相關(guān)模型發(fā)展仍受到挑戰(zhàn)。
經(jīng)研究團隊證實，StreamingLLM 能夠讓 Llama 2、MPT、Falcon 和 Pythia 可靠地處理高達 400 萬 token 的文本，能夠為流式語言模型提供更多部署方面的可能性。
參考
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。