換掉Transformer，7B開源模型立刻登頂！任意長序列都能處理

明敏 2024-08-13 14:48:09 來源：量子位

完全沒用注意力機(jī)制

明敏發(fā)自凹非寺

量子位 | 公眾號 QbitAI

只是換掉Transformer架構(gòu)，立馬性能全方位提升，問鼎同規(guī)模開源模型！

~~（注意力機(jī)制不存在了）~~

這就是最新Falcon Mamba 7B模型。

它采用Mamba狀態(tài)空間語言模型架構(gòu)來處理各種文本生成任務(wù)。

通過取消傳統(tǒng)注意力機(jī)制，有效提升了模型處理長序列時(shí)計(jì)算效率低下的問題。

它可以處理無限長序列，但內(nèi)存需求不增加。

無論上下文多長，生成每個(gè)token的時(shí)間基本一樣。

由此，F(xiàn)alcon Mamba模型性能全方位提升，打敗一眾Transformer架構(gòu)模型，如Llama-3.1(8B)、Mistral(7B)以及Falcon-2(11B)。

如上成果由阿聯(lián)酋阿布扎比技術(shù)創(chuàng)新研究所(TII)帶來，他們正是Falcon模型的開發(fā)團(tuán)隊(duì)。

該系列共包含四個(gè)模型：基礎(chǔ)版本、指令微調(diào)版本、4bit版本和指令微調(diào)4bit版本。

最新模型遵循TII Falcon License 2.0開放協(xié)議，它在Apache 2.0協(xié)議下。

圍觀網(wǎng)友直呼：游戲規(guī)則要改變了！

全球首個(gè)開源SSLM

在性能上，F(xiàn)alcon Mamba 7B全方位超越一眾開源模型。

它基于第一代Mamba。

Mamba是一種狀態(tài)空間模型（SSM，State Space Model）。它結(jié)合了RNN和CNN的特點(diǎn)，通過引入一種選擇機(jī)制，它允許模型根據(jù)當(dāng)前的輸入有選擇地傳播或忘記信息，從而提高處理文本信息的效率。

同時(shí)，它設(shè)計(jì)了一種硬件感知的并行算法，以遞歸模式運(yùn)行，避免了GPU內(nèi)存層級之間IO訪問，提高計(jì)算效率。

最后它還簡化了架構(gòu)，將SSM架構(gòu)和Transformer中的MLP塊結(jié)合為單一的塊。

從Transformer換到Mamba，能夠讓Falcon模型可以處理任意長序列，但無需增加內(nèi)存。尤其適合單個(gè)A10 24GB GPU。

研究還討論了兩種不同的處理序列方法。

并行預(yù)填充方法適用于GPU并行處理，對內(nèi)存需求較高；順序填充方法適用于SSM模型，可以處理任意長度序列，從而不會(huì)受到內(nèi)存限制。

為了確保大規(guī)模訓(xùn)練穩(wěn)定，F(xiàn)alcon Mamba模型使用了額外的RMS標(biāo)準(zhǔn)化層。

RMS標(biāo)準(zhǔn)化層能夠簡化LayerNorm的計(jì)算過程，可減少計(jì)算量。

模型使用了5500GT數(shù)據(jù)訓(xùn)練，這些數(shù)據(jù)主要來自RefedWeb數(shù)據(jù)集以及公開數(shù)據(jù)。訓(xùn)練過程基本勻速，在訓(xùn)練后期增加了一小部分高質(zhì)量策劃數(shù)據(jù)，這有助于模型在最后階段的優(yōu)化。

在H100上，批大小為1、提示詞長度為1-130k生成token的測試中，F(xiàn)alcon Mamba能夠在生成新token時(shí)保持穩(wěn)定的吞吐量，這意味著它的性能不受文本長度影響，可以穩(wěn)定處理長序列，不會(huì)出現(xiàn)性能下降情況。