最強LLaMA突然來襲！只改一個超參數(shù)，實現(xiàn)上下文3.2萬token，多個任務(wù)打敗ChatGPT、Claude 2

明敏 2023-09-30 12:50:46 來源：量子位

明敏 豐色 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

悄無聲息，羊駝家族“最強版”來了！

與GPT-4持平，上下文長度達3.2萬token的LLaMA 2 Long，正式登場。

在性能上全面超越LLaMA 2。

和競爭對手相比，在指令微調(diào)MMLU (5-shot)等測試集上，表現(xiàn)超過ChatGPT。

在人類評估（human evaluation）上甚至優(yōu)于10萬token的Claude 2，這個話題還在Reddit上引發(fā)了討論。

要知道，這些對比版本中，LLaMA 2 Long使用的最大版本也只有70B，遠小于其他大模型。

這讓人不禁感慨：Meta確實還是有兩下子的。

也有人覺得，這才是最近Meta發(fā)布會的最大新聞啊，比Meta版ChatGPT要更令人興奮。

論文介紹，LLaMA 2 Long使用了4000億token語料加持下，并進行位置編碼修改。

所以LLaMA 2 Long究竟是如何誕生的？

只對位置編碼進行了一個非常小的改動

與LLaMA 2相比，LLaMA 2 Long的變化并不多。

一是訓(xùn)練參數(shù)上，采用了高達4000億token的數(shù)據(jù)源。

——相反，原始LLaMA 2包含多個變體，但最多的版本也只有700億。

二是架構(gòu)上，與LLaMA 2保持不變，但對位置編碼進行了一個非常小的必要修改，以此完成高達3.2億token的上下文窗口支持。

在LLaMA 2中，它的位置編碼采用的是旋轉(zhuǎn)編碼RoPE方法。

它是目前大模型中應(yīng)用最廣的一種相對位置編碼，通過旋轉(zhuǎn)矩陣來實現(xiàn)位置編碼的外推。

本質(zhì)上來說，RoPE就是將表示單詞、數(shù)字等信息的token embeddings映射到3D圖表上，給出它們相對于其他token的位置——即使在旋轉(zhuǎn)時也如此。

這就能夠使模型產(chǎn)生準(zhǔn)確且有效的響應(yīng)，并且比其他方法需要的信息更少，因此占用的計算存儲也更小。

在此，Meta的研究人員通過對70億規(guī)模的LLaMA 2進行實驗，確定了LLaMA 2中的RoPE方法的一個關(guān)鍵限制：

即，阻止注意力模塊聚集遠處token的信息。

為此，Meta想出了一個非常簡單的破解辦法：

減少每個維度的旋轉(zhuǎn)角度。

具體而言就是將超參數(shù)“基頻（base frequency） b”從10000增加到500000。

這一改動立刻奏效，縮小了RoPE對遠端token的衰減效應(yīng)，并且在擴展LLAMA的上下文長度上優(yōu)于一項類似的名為“位置插值”的方法（如下圖所示，RoPE PI，衰減效果較為“隱含”）。

Ps. 圖中RoPE表示基線方法，RoPE ABF為Meta此次發(fā)明的新方法，xPos是另一種應(yīng)用了該方法的旋轉(zhuǎn)編碼變體。

一個問題是，通過上面這個可視化結(jié)果，Meta觀察到RoPE在長程區(qū)域出現(xiàn)了較大的“振蕩”，這對于語言建模來說可能不是個好消息。

不過，通過報告幾種方法在長序列困惑度和FIRST-SENTENCE-RETRIEVAL兩個任務(wù)上的表現(xiàn)來看，問題不大。

而且，尤其在后者任務(wù)上，他們提出的RoPE ABF是唯一一個可以始終保持性能的變體。

在附錄中，Meta還通過可視化為螺旋圖這一非常有趣的方式，將RoPE ABF與RoPE PI的差異進行了理論分析。

結(jié)果是，與RoPE PI相比，RoPE ABF的優(yōu)勢主要體現(xiàn)在它能以更大的粒度分配嵌入向量（the embedded vectors），從而使模型更容易區(qū)分位置。

此外，他們還觀察到，嵌入向量之間的相對距離既對RoPE PI的關(guān)鍵參數(shù)有線性依賴性，也對RoPE ABF的關(guān)鍵參數(shù)也有對數(shù)依賴性。

這也就是為什么我們可以很容易地對基頻這一超參數(shù)“下手”。

最終，LLaMA 2 Long憑借著這一改動，達成了3.2萬的上下文token，并通過長下文連續(xù)預(yù)訓(xùn)練的共同作用，獲得了開頭所示的好成績：

除了全面超越LLaMA 2、在特定任務(wù)上超越Claude 2和ChatGPT，Meta也給出了它和一些開源長下文模型的對比。

結(jié)果也相當(dāng)不賴。

One More Thing

值得一提的是，這個最新的版本，是用LLaMA2生成的文本內(nèi)容來進行訓(xùn)練的。

官方會不會正式發(fā)布這一版本，現(xiàn)在還沒有更明確的消息，模型的網(wǎng)址也還沒有找到。

不過已經(jīng)有人提前興奮起來了：

這對可商用微調(diào)大模型來說太有用了！

而在此之前，已經(jīng)有非官方版本實現(xiàn)了3.2萬token上下文，也是開源可商用。

“長頸鹿（Giraffe）”基于13B版本的LLaMA2打造。

研究團隊提出了一種稱為“截斷（truncation）”的方法，對原始RoPE編碼進行變換。

llama-2-7b-32k-instruct也可以支持3.2萬上下文，模型規(guī)模是7B。

論文：
https://arxiv.org/pdf/2309.16039.pdf

參考鏈接：
[1]https://venturebeat.com/ai/meta-quietly-releases-llama-2-long-ai-that-outperforms-gpt-3-5-and-claude-2-on-some-tasks/
[2]https://twitter.com/_akhaliq/status/1707569241191285207
[3]https://www.reddit.com/r/LocalLLaMA/comments/16v0onb/meta_has_released_a_new_paper_llama_2_long_beats/
[4]https://news.ycombinator.com/item?id=37698604