Transformer后繼有模！MSRA提出全新大模型基礎架構：推理速度8倍提升，內存占用減少70%
打破「不可能三角」
魚羊 發自 凹非寺
量子位 | 公眾號 QbitAI
微軟大模型新架構，正式向Transformer發起挑戰！
論文標題明晃晃地寫道：
Retentive Network（RetNet）：大模型領域Transformer的繼任者。
論文提出新的Retention機制來代替Attention。來自微軟亞研院和清華的研究人員，毫不諱言“野心”，大膽放話：
RetNet實現了良好的擴展結果、并行訓練、低成本部署和高效推理。
這些特性使這一基礎架構，成為大語言模型中Transformer的有力繼承者。
而實驗數據也顯示，在語言建模任務上：
- RetNet可以達到與Transformer相當的困惑度（perplexity）
- 推理速度達8.4倍
- 內存占用減少70%
- 具有良好的擴展性
并且當模型大小大于一定規模時，RetNet表現會優于Transformer。
Transformer果真“后繼有模”了？具體詳情，一起來看。
解決“不可能三角”
Transformer在大語言模型中的重要性毋庸置疑。無論是OpenAI的GPT系列，還是谷歌的PaLM、Meta的LLaMA，都是基于Transformer打造。
但Transformer也并非完美無缺：其并行處理機制是以低效推理為代價的，每個步驟的復雜度為O(N)；Transformer是內存密集型模型，序列越長，占用的內存越多。
在此之前，大家也不是沒想過繼續改進Transformer。但主要的幾種研究方向都有些顧此失彼：
線性attention可以降低推理成本，但性能較差；
循環神經網絡則無法進行并行訓練。
也就是說，這些神經網絡架構面前擺著一個“不可能三角”，三個角代表的分別是：并行訓練、低成本推理和良好的擴展性能。
RetNet的研究人員想做的，就是化不可能為可能。
具體而言，RetNet在Transformer的基礎上，使用多尺度保持（retention）機制替代了標準的自注意力機制。
與標準自注意力機制相比，保持機制有幾大特點：
引入位置相關的指數衰減項取代softmax，簡化了計算，同時使前步的信息以衰減的形式保留下來。
引入復數空間表達位置信息，取代絕對或相對位置編碼，容易轉換為遞歸形式。
另外，保持機制使用多尺度的衰減率，增加了模型的表達能力，并利用GroupNorm的縮放不變性來提高retention層的數值精度。
△RetNet的雙重表示
每個RetNet塊包含兩個模塊：多尺度保持（MSR）模塊和前饋網絡（FFN）模塊。
保持機制支持以三種形式表示序列：
- 并行
- 遞歸
- 分塊遞歸，即并行表示和遞歸表示的混合形式，將輸入序列劃分為塊，在塊內按照并行表示進行計算，在塊間遵循遞歸表示。
其中，并行表示使RetNet可以像Transformer一樣高效地利用GPU進行并行訓練。
遞歸表示實現了O(1)的推理復雜度，降低了內存占用和延遲。
分塊遞歸則可以更高效地處理長序列。
這樣一來，RetNet就使得“不可能三角”成為可能。以下為RetNet與其他基礎架構的對比結果：
在語言建模任務上的實驗結果，進一步證明了RetNet的有效性。
結果顯示，RetNet可以達到與Transformer相似的困惑度（PPL，評價語言模型好壞的指標，越小越好）。
同時，在模型參數為70億、輸入序列長度為8k的情況下，RetNet的推理速度能達到Transformer的8.4倍，內存占用減少70%。
在訓練過程中，RetNet在內存節省和加速效果方面，也比標準Transformer+FlashAttention表現更好，分別達到25-50%和7倍。
值得一提的是，RetNet的推理成本與序列長度無關，推理延遲對批量大小不敏感，允許高吞吐量。
另外，當模型參數規模大于20億時，RetNet的表現會優于Transformer。
研究團隊
RetNet的研究團隊，來自微軟亞研院和清華大學。
共同一作為孫宇濤和董力。
孫宇濤，清華大學計算機系本科，現在在微軟亞研院實習。
董力，微軟亞研院研究員。他也是此前引發大量關注的“能記住10億token的Transformer”的論文作者之一。
RetNet論文的通訊作者是韋福如。他是微軟亞洲研究院全球研究合伙人，10億token Transformer亦是來自他的研究團隊。
論文地址：
https://arxiv.org/abs/2307.08621
— 完 —
- 蘋果芯片主管也要跑路！庫克被曝出現健康問題2025-12-07
- 世界模型和具身大腦最新突破：90%生成數據，VLA性能暴漲300%｜開源2025-12-02
- 谷歌新架構突破Transformer超長上下文瓶頸！Hinton靈魂拷問：后悔Open嗎？2025-12-05
- 90后華人副教授突破30年數學猜想！結論與生成式AI直接相關2025-11-26
相關閱讀
