Mezcla de profundidades
La combinación de profundidades (MoD) permite que un transformador gaste diferentes cantidades de cómputo en diferentes tokens, enrutando solo los tokens "importantes" a través del cómputo pesado de cada capa.
Descripción general
It cuts the cost of processing easy tokens while keeping a fixed, predictable compute budget.
Buceo profundo
Los transformadores estándar aplican todas las capas a cada token, incluso los más triviales como la puntuación. Mixture of Depths, presentado por Google DeepMind en 2024, agrega un pequeño enrutador en cada bloque que selecciona una fracción fija de tokens top-k para someterse a la autoatención completa y al cálculo MLP; el resto salta el bloque a través de una conexión residual. Debido a que solo se procesan k tokens por capa, el cálculo total (FLOP) está limitado y se conoce de antemano, a diferencia de los métodos anteriores de profundidad dinámica que variaban de manera impredecible. Esto hace que el procesamiento por lotes y la utilización del hardware sean eficientes. Los modelos entrenados por MoD pueden igualar la calidad de un transformador de referencia usando menos FLOP por paso hacia adelante, o alcanzar una mayor calidad con el mismo cálculo, y la idea se compone naturalmente con una Mezcla de Expertos para brindar modelos 'MoDE' que enrutan tanto en profundidad como en ancho.
Información técnica
En cada bloque MoD, un enrutador lineal aprendido puntúa cada token y mantiene el k superior por puntuación; los tokens seleccionados pasan por la atención y el MLP, mientras que los tokens no seleccionados se transportan sin cambios por la ruta residual. El uso de un top-k fijo (en lugar de un umbral por token) hace que el gráfico de cálculo sea estático y las formas tensoriales sean constantes, lo cual es compatible con el hardware. El enrutador se entrena con el resto de la red y la generación causal utiliza predictores auxiliares para que las decisiones de enrutamiento no se asomen a tokens futuros.
Impacto Estratégico
Speed and scale
Los flujos de trabajo lingüísticos pueden avanzar más rápido sin sacrificar la coherencia.
Access and reach
Amplía el acceso a través de idiomas y estilos de comunicación.
Decisiones más claras
Los equipos pueden dedicar más tiempo a juzgar mientras la automatización se encarga de la repetición.
El futuro de la mezcla de profundidades
La computación condicional es una palanca importante para la eficiencia a medida que los modelos escalan, y el Ministerio de Defensa es un ejemplo temprano y claro. Espere una integración más profunda con una combinación de expertos (enrutamiento tanto en profundidad como en expertos), presupuestos adaptables que se reducen para facilitar las entradas y enrutadores aprendidos que identifican mejor qué tokens realmente necesitan un procesamiento profundo. Como los costos de inferencia dominan la economía de la implementación, es probable que las técnicas que permiten a los modelos "pensar más" sólo cuando sea necesario, manteniendo al mismo tiempo una latencia predecible, se conviertan en estándar en las arquitecturas a gran escala.
Implementación en el mundo real
Reducir los FLOP necesarios para procesar documentos largos al omitir el cálculo profundo de los tokens de relleno
Entrenar un modelo que coincida con la calidad de referencia con un procesamiento más bajo, lo que reduce el costo de servicio
Combinando con una Mezcla de Expertos (MoDE) para enrutar tanto en profundidad de capa como en elección de expertos
Mantener una latencia fija y predecible por token porque el presupuesto informático por capa se fija de antemano
Riesgos y barandillas
Los hechos alucinados pueden aparecer silenciosamente en informes, flujos de apoyo o resultados de investigaciones.
La sensibilidad rápida puede crear resultados inconsistentes en solicitudes similares.
Los datos de texto confidenciales pueden quedar expuestos si los controles de acceso son débiles.
Hoja de ruta de implementación
Defina el formato de salida, el tono y los estándares de calidad antes del lanzamiento.
Respuestas terrestres con fuentes confiables siempre que la precisión sea importante.
Mantenga un punto de control de revisión humana para los resultados de alto riesgo.
Realice un seguimiento de los patrones de error y vuelva a capacitar las indicaciones o los flujos de trabajo con regularidad.
Sigue explorando
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 Mixture of Depths 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
Siguiente guía
Agregación de mezcla de agentes
Preguntas frecuentes
What is Mixture of Depths?
La combinación de profundidades (MoD) permite que un transformador gaste diferentes cantidades de cómputo en diferentes tokens, enrutando solo los tokens "importantes" a través del cómputo pesado de cada capa. Reduce el costo de procesar tokens fáciles y al mismo tiempo mantiene un presupuesto informático fijo y predecible.
¿En qué varía la mezcla de profundidades entre tokens?
MoD dirige solo algunos tokens a través del intenso cálculo de cada capa, por lo que diferentes tokens obtienen efectivamente una profundidad diferente.
¿Cómo mantiene el Ministerio de Defensa la previsibilidad de su presupuesto informático?
La elección de un tope k fijo de tokens por bloque limita los FLOP y mantiene constantes las formas del tensor, lo cual es compatible con el hardware.
¿Qué sucede con los tokens que el enrutador NO selecciona en un bloque determinado?
Los tokens no seleccionados omiten el cálculo del bloque y se trasladan sin cambios por la ruta residual.
¿Quién introdujo la Mezcla de Profundidades?
Mixture of Depths fue presentado por Google DeepMind en un artículo de 2024 sobre computación de transformadores dinámicos.
¿Qué produce la combinación del Ministerio de Defensa con una mezcla de expertos?
La combinación de enrutamiento profundo con enrutamiento experto produce modelos 'MoDE' que condicionan la computación tanto en capas como en expertos.