Měřítko kontextového okna příze
YaRN (Ještě další rozšíření RoPE) je technika, která rozšiřuje použitelné kontextové okno transformátoru daleko nad rámec toho, na čem bylo trénováno, s minimálním doladěním.
Přehled
It matters because it lets existing models handle much longer documents without retraining from scratch.
Hluboký ponor
Většina moderních LLM kóduje pozice slov pomocí Rotary Position Embeddings (RoPE), které fungují dobře pouze do délky, kterou model viděl během tréninku. Podávejte v delším sledu a model špatně degraduje. YaRN to řeší změnou měřítek rotačních frekvencí RoPE způsobem s vědomím frekvence: vysokofrekvenční dimenze (které zachycují místní, blízké vztahy) jsou většinou ponechány nedotčené, zatímco nízkofrekvenční dimenze (které zachycují pozici na velké vzdálenosti) jsou interpolovány. Přidává také do pozornosti úpravu teploty, aby se logit choval dobře na dlouhé vzdálenosti. Výsledek, demonstrovaný na modelech LLaMA, rozšiřuje kontext ze 4K na 64K-128K tokenů pomocí pouze asi 0,1 % původních trénovacích dat a několika set dolaďovacích kroků.
Technický přehled
RoPE otáčí dotazovací a klíčové vektory o úhel úměrný poloze a frekvenci pro každou dimenzi. Naivní lineární interpolace (Position Interpolation) zmáčkne všechny frekvence stejně a poškodí místní detaily. YaRN místo toho aplikuje „NTK-by-parts“: interpoluje pouze nízkofrekvenční (dlouhovlnné) dimenze, vysokofrekvenční nechává samotné a přechází mezi nimi. Měřítko teploty pozornosti kompenzuje posun entropie a zachovává přesnost při delších délkách.
Strategický dopad
Rychlost a měřítko
Jazykové pracovní postupy se mohou pohybovat rychleji, aniž by byla obětována konzistentnost.
Přístup a dosah
Rozšiřuje přístup napříč jazyky a komunikačními styly.
Jasnější rozhodnutí
Týmy mohou strávit více času úsudkem, zatímco automatizace zvládne opakování.
Budoucnost škálování kontextového okna YaRN
Rozšíření založené na frekvenci YaRN se stalo výchozí složkou pro přepravu modelů s dlouhým kontextem; varianty a následníci se neustále objevují, jak se laboratoře snaží o miliony tokenů. Očekávejte těsnější integraci s účinnou pozorností, kompresí mezipaměti KV a dynamickým škálováním, které se přizpůsobuje za běhu podle požadavku. Širším trendem je oddělení „jak dlouho byl model trénován“ od „jak dlouho může užitečně číst“, čímž se z dlouhého kontextu stává spíše levná funkce po školení než nákladný architektonický závazek.
Real-World Implementace
Rozšíření otevřeného modelu LLaMA ze 4K na 128K tokenů, aby mohl zpracovat celou kódovou základnu nebo dlouhou smlouvu v jednom průchodu
Nechat chatbota uchovat si velmi dlouhou historii konverzací bez zkracování dřívějších tahů
Shrnutí dokumentů v délce knihy nebo vícehodinových přepisů, které přesahují nativní okno základního modelu
Levné přizpůsobení předem trénovaného modelu pro úlohy vyhledávání v dlouhém kontextu s použitím pouze malého cyklu jemného doladění
Rizika a zábradlí
Halucinovaná fakta mohou tiše vstupovat do zpráv, podpůrných toků nebo výstupů výzkumu.
Citlivost na výzvy může způsobit nekonzistentní výsledky napříč podobnými požadavky.
Citlivá textová data mohou být vystavena, pokud je řízení přístupu slabé.
Plán implementace
Před zavedením definujte výstupní formát, tón a standardy kvality.
Pozemní reakce s důvěryhodnými zdroji, kdykoli záleží na přesnosti.
Udržujte kontrolní bod lidské kontroly pro vysoce důležité výstupy.
Sledujte vzorce selhání a pravidelně opakujte výzvy nebo pracovní postupy.
Pokračujte v objevování
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the YaRN Context Window Scaling quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Další průvodce
Kontextová Windows
Často kladené otázky
What is YaRN Context Window Scaling?
YaRN (Ještě další rozšíření RoPE) je technika, která rozšiřuje použitelné kontextové okno transformátoru daleko nad rámec toho, na čem bylo trénováno, s minimálním doladěním. Je to důležité, protože umožňuje stávajícím modelům zpracovávat mnohem delší dokumenty bez přeškolování od nuly.
Jaké schéma kódování pozic upravuje YaRN, aby prodloužil délku kontextu?
YaRN je zkratka pro „Ještě další prodlužování lana“ a funguje tak, že mění měřítko rotačních frekvencí používaných v Rotary Position Embeddings.
Jak YaRN zachází s vysokofrekvenčními versus nízkofrekvenčními rozměry RoPE?
Přístup YaRN „NTK-by-parts“ zachovává vysokofrekvenční (lokální) rozměry a zároveň interpoluje nízkofrekvenční (dlouhodosahové), aby nedošlo k poškození místních detailů.
Jaká je klíčová výhoda efektivity YaRN oproti trénování modelu s dlouhým kontextem od nuly?
YaRN může rozšířit kontext pomocí zhruba 0,1 % původních školicích dat a malého počtu dolaďovacích kroků, což je mnohem levnější než přeškolování.
Jaká další úprava kromě přeškálování frekvencí používá YaRN, aby udržela pozornost na dlouhé vzdálenosti stabilní?
YaRN upravuje teplotu pozornosti, aby kompenzoval posun entropie/logit, ke kterému dochází, když jsou sekvence mnohem delší.
Jaký problém nastane, když zadáte sekvence modelu RoPE mnohem déle, než na kterém byl trénován, bez jakéhokoli škálování?
RoPE špatně zobecňuje na neviditelné dlouhé pozice, takže kvalita klesá, pokud se frekvence nezmění.