元宇宙終究沒(méi)火過(guò)兩年
來(lái)源：傳播體操在ChatGPT快速破圈的同時(shí)，元宇宙的熱度卻一瀉千里。雖然互聯(lián)網(wǎng)大廠們都沒(méi)有否認(rèn)元宇宙的長(zhǎng)期想象力，但在行動(dòng)上卻都紛紛表示了對(duì)元宇宙短期前景的悲觀。號(hào)稱改變
給大模型加上第三種記憶格式，把寶貴的參數(shù)從死記硬背知識(shí)中解放出來(lái)！
中科院院士鄂維南領(lǐng)銜，上海算法創(chuàng)新研究院等團(tuán)隊(duì)推出 Memory3，比在參數(shù)中存儲(chǔ)知識(shí)以及 RAG 成本都更低，同時(shí)保持比 RAG 更高的解碼速度。
在實(shí)驗(yàn)中，僅有 2.4B 參數(shù)的 Memory3 模型不僅打敗了許多 7B-13B 的模型，在專業(yè)領(lǐng)域任務(wù)如醫(yī)學(xué)上的表現(xiàn)也超過(guò)了傳統(tǒng)的 RAG 方法，同時(shí)推理速度更快，“幻覺(jué)”問(wèn)題也更少。
目前相關(guān)論文已上傳到 arXiv，并引起學(xué)術(shù)界關(guān)注。
這一方法受人腦記憶原理啟發(fā)，獨(dú)立于存儲(chǔ)在模型參數(shù)中的隱性知識(shí)和推理時(shí)的短期工作工作記憶，給大模型添加了顯式記憶。
具體來(lái)說(shuō)，人類的記憶大致可以分為三部分:
顯式記憶：可以主動(dòng)回憶的長(zhǎng)期記憶，比如讀過(guò)的文章。獲取顯式記憶很容易，但提取時(shí)需要一定的回憶過(guò)程。
隱式記憶：無(wú)意識(shí)使用的長(zhǎng)期記憶，比如騎自行車的技能。獲取隱式記憶需要大量重復(fù)練習(xí)，但使用時(shí)毫不費(fèi)力。
外部信息：存在大腦之外的信息，如考試時(shí)的備考資料。獲取和使用都很輕松，但遇到新問(wèn)題時(shí)作用有限。
可以看出，三種記憶形式在獲取和使用的效率上形成了鮮明的互補(bǔ)。人腦會(huì)根據(jù)知識(shí)的使用頻率，巧妙地在它們之間分配存儲(chǔ)位置，從而最小化整體開(kāi)銷。
反觀大模型，目前主要依賴在參數(shù)中以隱式記憶的形式來(lái)存儲(chǔ)知識(shí)，這導(dǎo)致兩個(gè)問(wèn)題：
知識(shí)分配效率低：無(wú)論一個(gè)知識(shí)使用得多頻繁，都一視同仁塞進(jìn)參數(shù)里，導(dǎo)致大量冷知識(shí)占用了寶貴的參數(shù)空間。
知識(shí)提取效率低：每次使用知識(shí)，都得動(dòng)用大量參數(shù)參與計(jì)算。
目前在訓(xùn)練階段，團(tuán)隊(duì)將大模型比作顯式記憶能力受損的患者，靠學(xué)習(xí)如何系鞋帶一樣的大量重復(fù)練習(xí)才能背下一點(diǎn)知識(shí)，消耗大量的數(shù)據(jù)和能量。
在推理階段，大模型又好像一個(gè)人每寫一個(gè)單詞時(shí)都要回憶起畢生所學(xué)的一切，就很不合理。
基于以上思路，團(tuán)隊(duì)按照知識(shí)的預(yù)期使用頻率（橫軸）計(jì)算了讀寫成本（縱軸），陰影區(qū)域表示給定記憶格式的最小成本區(qū)域。
結(jié)果發(fā)現(xiàn)，把常用知識(shí)塞進(jìn)模型參數(shù)里成本最低，但容量有限；不常用的知識(shí)直接檢索效率最高，但每次讀取都要重新編碼，成本高；而顯式記憶則是個(gè)平衡點(diǎn)，對(duì)于使用次數(shù)中等的大部分知識(shí)最劃算。
團(tuán)隊(duì)進(jìn)一步在論文中提記憶電路理論，在大模型語(yǔ)境下重新定義知識(shí)和記憶，以確定哪些知識(shí)更適合存儲(chǔ)為顯式記憶，以及什么樣的模型架構(gòu)適合讀寫顯式記憶。
通過(guò)分析一些已知的大模型內(nèi)部機(jī)制，如事實(shí)問(wèn)答、搜索復(fù)制粘貼等，團(tuán)隊(duì)認(rèn)為大模型中的每條知識(shí)都可以表示為一個(gè)輸入-輸出關(guān)系，加上實(shí)現(xiàn)這個(gè)關(guān)系的內(nèi)部電路（circuit）。
電路指計(jì)算圖中的一個(gè)子圖，由一些注意力頭和 MLP 神經(jīng)元組成，這些電路的輸入輸出具有一定的語(yǔ)義關(guān)聯(lián)。大模型的知識(shí)可進(jìn)一步分為兩類:
具體知識(shí)（specific knowledge）：電路的輸入和輸出都具有明確的語(yǔ)義，如常識(shí)、常見(jiàn)短語(yǔ)等。
抽象知識(shí)（abstract knowledge）：電路的輸出語(yǔ)義可變，如搜索、復(fù)制、粘貼，需要通過(guò)輸入推理出輸出。
接下來(lái)，作者引入可分離知識(shí)（separable knowledge）的概念：如果一個(gè)知識(shí)可以僅通過(guò)文本實(shí)現(xiàn)而不必內(nèi)置到模型參數(shù)里，那它就是可分離的。
可模仿知識(shí)（imitable knowledge）是可分離知識(shí)的一個(gè)特例，可以直接用描述這條知識(shí)自身的文本去“教會(huì)”另一個(gè)不具備這條知識(shí)的大模型，無(wú)需通過(guò)參數(shù)來(lái)編碼。
一個(gè)核心結(jié)論是，具體知識(shí)都是可模仿的，因此也是可分離的，都可轉(zhuǎn)化為顯式記憶。論文從理論上給出了（非形式化）證明。
團(tuán)隊(duì)進(jìn)一步把具體知識(shí)按使用次數(shù)分成“無(wú)關(guān)緊要”、專業(yè)知識(shí)和常見(jiàn)短語(yǔ)三個(gè)等級(jí)，不同等級(jí)按照讀寫成本分別適合三種不同的記憶格式。
那么如何實(shí)現(xiàn)顯式記憶呢？
以注意力層的 key-value 向量作為顯式記憶的載體，在推理之前，Memory3 模型將所有引用文本轉(zhuǎn)換為顯式記憶，并將它們保存在硬盤或非易失性內(nèi)存設(shè)備上。
在推理時(shí)，模型會(huì)查詢與當(dāng)前上下文最相關(guān)的一些顯式記憶，將它們并入注意力機(jī)制中，與上下文的 key-value 向量一起計(jì)算注意力分?jǐn)?shù)，生成下一個(gè) token。
然而，海量文本轉(zhuǎn)化成的顯式記憶不僅需要更多的磁盤空間，而且在推理過(guò)程中還會(huì)占用 GPU 內(nèi)存，從而損害 LLM 生成的吞吐量。
為此，Memory3 采取了多維度壓縮優(yōu)化策略：
layer 維度：只有前半部分的注意力層（記憶層）產(chǎn)生和存取顯式記憶，后半部分仍然是普通的注意力層。
head 維度：每層只有少部分 head（如 1/5）負(fù)責(zé)處理顯式記憶的 key-value，其他 head 保持原樣。
token 維度：對(duì)于每個(gè) head，只選取參考文本中最相關(guān)的少量 token（如 8 個(gè)），提取其 key-value 作為顯式記憶。
最后再進(jìn)一步用向量量化（vector quantization）壓縮每個(gè) key 和 value 向量到更短的表示。
多級(jí)壓縮的組合，使得顯式記憶的規(guī)模從 45.9TB 壓縮到 4.02TB，壓縮到一個(gè) GPU 集群通常配備的存儲(chǔ)容量之內(nèi)。
另外，團(tuán)隊(duì)在顯式記憶的讀寫上還有一些值得注意的細(xì)節(jié)設(shè)計(jì)：
推理時(shí)為了避免不同文本片段重復(fù)檢索顯式記憶，Memory3 每隔 64 個(gè) token 做一次檢索，中間共享檢索結(jié)果。
頻繁調(diào)用顯式記憶會(huì)產(chǎn)生 IO 開(kāi)銷。為此，Memory3 在內(nèi)存中維護(hù)了一個(gè)固定大小的緩存，存儲(chǔ)最近訪問(wèn)過(guò)的顯式記憶。
對(duì)于參考文本，模型使用不同的輸入符號(hào)（“<s>Reference:”）將其與普通文本區(qū)分開(kāi)，避免干擾文本理解。
對(duì)于顯式記憶中的不同文本片段，模型為其分配了同一區(qū)間的位置編碼，保留局部上下文。這種”平行”位置編碼避免了長(zhǎng)文本中間部分被忽略的問(wèn)題。
最終訓(xùn)練出來(lái)的 Memory3 模型，在 HuggingFace 排行榜上的評(píng)測(cè)結(jié)果如下，顯式記憶將平均分?jǐn)?shù)提高了 2.51%。
相比之下 Llama2-7B 和 13B 之間的分?jǐn)?shù)差異為 4.91%，而 13B 模型的非嵌入?yún)?shù)數(shù)量接近 7B 模型的兩倍。
因此，可以說(shuō)顯式記憶可以將“有效模型大小”提高了 2.51/4.91≈51.1%。如果用 Qwen-1.8B 和 4B 來(lái)做參考，計(jì)算結(jié)果相似，“有效模型大小”提高 49.4%。
在幻覺(jué)評(píng)估上，Memory3 避免了將文本壓縮到模型參數(shù)中可能會(huì)導(dǎo)致的信息丟失，表現(xiàn)的比大部分模型要好。
論文中還詳細(xì)報(bào)告了從數(shù)據(jù)到訓(xùn)練、微調(diào)和對(duì)齊過(guò)程的具體設(shè)置，感興趣的可以查看原文。
論文地址
https://arxiv.org/abs/2407.01178
參考鏈接
[1]https://x.com/rohanpaul_ai/status/1809782336021537094
本文來(lái)自微信公眾號(hào)：量子位（ID：QbitAI），作者：夢(mèng)晨
本文鏈接：http://www.www897cc.com/showinfo-45-5088-0.html院士領(lǐng)銜推出大模型的第 3 種記憶：比參數(shù)存儲(chǔ)和 RAG 都便宜，2.4B 模型越級(jí)打 13B
聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
上一篇： 古爾曼：蘋果首款支持 Apple Intelligence 的智能家居設(shè)備將是一款桌面機(jī)器人
下一篇： 中國(guó)開(kāi)源操作系統(tǒng) openKylin（開(kāi)放麒麟）發(fā)布 AIPC 版本
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請(qǐng)聯(lián)系：2376512515@qq.com 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)