Aperçu
YaRN (Yet another RoPE extensioN) est une technique qui étend la fenêtre contextuelle utilisable d'un transformateur bien au-delà de ce sur quoi il a été formé, avec un minimum de réglages. C’est important car cela permet aux modèles existants de gérer des documents beaucoup plus longs sans avoir à repartir de zéro.
YaRN Context Window Scaling fait partie de la pile langage-IA utilisée pour lire, générer, classer et transformer du texte et de la parole à grande échelle.
Plongée profonde
La plupart des LLM modernes codent les positions des mots à l'aide de Rotary Position Embeddings (RoPE), qui ne fonctionnent bien que jusqu'à la longueur que le modèle a vue pendant la formation. Nourrissez dans une séquence plus longue et le modèle se dégrade gravement. YaRN résout ce problème en redimensionnant les fréquences de rotation de RoPE en fonction de la fréquence : les dimensions à haute fréquence (qui capturent les relations locales et proches) sont laissées pour la plupart intactes, tandis que les dimensions à basse fréquence (qui capturent la position à longue portée) sont interpolées. Il ajoute également un ajustement de la température à l'attention pour que les logits se comportent bien à longue distance. Le résultat, démontré sur les modèles LLaMA, étend le contexte de 4K à 64K-128K jetons en utilisant seulement environ 0,1 % des données de formation d'origine et quelques centaines d'étapes de réglage fin.
Aperçu technique
RoPE fait pivoter les vecteurs de requête et de clé d'un angle proportionnel à la position et à une fréquence par dimension. L'interpolation linéaire naïve (interpolation de position) écrase toutes les fréquences de manière égale, nuisant aux détails locaux. YaRN applique à la place « NTK par parties » : il interpole uniquement les dimensions basse fréquence (longue longueur d'onde), laisse les dimensions haute fréquence seules et effectue une rampe entre elles. Une mise à l'échelle de la température d'attention compense le changement d'entropie, préservant ainsi la précision sur des longueurs étendues.
Maîtriser la mise à l'échelle de la fenêtre contextuelle YaRN
YaRN (Yet another RoPE extensioN) est une technique qui étend la fenêtre contextuelle utilisable d'un transformateur bien au-delà de ce sur quoi il a été formé, avec un minimum de réglages. C’est important car cela permet aux modèles existants de gérer des documents beaucoup plus longs sans avoir à repartir de zéro. YaRN Context Window Scaling fait partie de la pile langage-IA utilisée pour lire, générer, classer et transformer du texte et de la parole à grande échelle. Pour acquérir une compréhension approfondie, traitez YaRN Context Window Scaling comme un modèle opérationnel et non comme une fonctionnalité unique : définissez les résultats souhaités, clarifiez les hypothèses et séparez ce que le système peut faire de manière fiable de ce qui nécessite encore un jugement d'expert.
Dans la pratique, des équipes solides utilisant YaRN Context Window Scaling conçoivent des invites, des boucles de récupération et de révision comme un seul système de communication intégré. Ils documentent des critères de réussite explicites, testent par rapport à des données et des flux de travail réalistes et itèrent en fonction des modèles d'échec observés plutôt que des victoires de référence ponctuelles. C’est là que la compréhension théorique se transforme en capacité durable au niveau des produits, des politiques et des opérations.
Les flux de travail linguistiques peuvent évoluer plus rapidement sans sacrifier la cohérence. Dans le même temps, les faits hallucinés peuvent discrètement entrer dans des rapports, des flux de support ou des résultats de recherche. L'approche la plus résiliente consiste à combiner vitesse d'expérimentation et discipline de gouvernance : exécuter des projets pilotes, capturer des preuves, publier des journaux de décision et mettre à jour en permanence les protections à mesure que le comportement du modèle, les attentes des utilisateurs et les exigences réglementaires évoluent.
Impact stratégique
Les flux de travail linguistiques peuvent évoluer plus rapidement sans sacrifier la cohérence.
Les flux de travail linguistiques peuvent évoluer plus rapidement sans sacrifier la cohérence. Dans les déploiements de haute qualité, cela se traduit par des règles de fonctionnement mesurables, des limites de propriété et des rituels d'examen récurrents afin que les équipes puissent accroître la confiance au lieu de l'ambiguïté.
Il étend l’accès à toutes les langues et styles de communication.
Il étend l’accès à toutes les langues et styles de communication. Dans les déploiements de haute qualité, cela se traduit par des règles de fonctionnement mesurables, des limites de propriété et des rituels d'examen récurrents afin que les équipes puissent accroître la confiance au lieu de l'ambiguïté.
Les équipes peuvent consacrer plus de temps au jugement tandis que l’automatisation gère les répétitions.
Les équipes peuvent consacrer plus de temps au jugement tandis que l’automatisation gère les répétitions. Dans les déploiements de haute qualité, cela se traduit par des règles de fonctionnement mesurables, des limites de propriété et des rituels d'examen récurrents afin que les équipes puissent accroître la confiance au lieu de l'ambiguïté.
Mise en œuvre dans le monde réel
Extension d'un modèle LLaMA ouvert de 4K à 128K jetons afin qu'il puisse ingérer une base de code entière ou un contrat long en un seul passage
Permettre à un chatbot de conserver de très longs historiques de conversations sans tronquer les tours précédents
Résumer des documents de la longueur d'un livre ou des transcriptions de plusieurs heures qui dépassent la fenêtre native du modèle de base
Adaptation à moindre coût d'un modèle pré-entraîné pour des tâches de récupération de contexte long en utilisant seulement une petite exécution de réglage fin
Modèles de mise en œuvre
Mise à l'échelle de la fenêtre de contexte YaRN en pratique
Extension d'un modèle LLaMA ouvert de 4 000 à 128 000 jetons afin qu'il puisse ingérer une base de code entière ou un contrat long en un seul passage.
Extension d'un modèle LLaMA ouvert de 4 000 à 128 000 jetons afin qu'il puisse ingérer une base de code entière ou un contrat long en un seul passage. Les équipes obtiennent généralement de meilleurs résultats lorsqu'elles définissent des seuils de qualité à l'avance, gardent un chemin d'escalade humain pour les cas extrêmes et suivent à la fois les gains de productivité et les coûts d'erreur au fil du temps.
Mise à l'échelle de la fenêtre de contexte YaRN en pratique
Permettre à un chatbot de conserver de très longs historiques de conversations sans tronquer les tours précédents.
Permettre à un chatbot de conserver de très longs historiques de conversations sans tronquer les tours précédents Les équipes obtiennent généralement de meilleurs résultats lorsqu'elles définissent des seuils de qualité à l'avance, conservent un chemin de remontée humain pour les cas extrêmes et suivent à la fois les gains de productivité et les coûts d'erreur au fil du temps.
Mise à l'échelle de la fenêtre de contexte YaRN en pratique
Résumer des documents de la longueur d'un livre ou des transcriptions de plusieurs heures qui dépassent la fenêtre native du modèle de base.
Résumer des documents de la longueur d'un livre ou des transcriptions de plusieurs heures qui dépassent la fenêtre native du modèle de base. Les équipes obtiennent généralement de meilleurs résultats lorsqu'elles définissent des seuils de qualité à l'avance, conservent un chemin d'escalade humain pour les cas extrêmes et suivent à la fois les gains de productivité et les coûts d'erreur au fil du temps.
Mise à l'échelle de la fenêtre de contexte YaRN en pratique
Adaptation à moindre coût d'un modèle pré-entraîné pour des tâches de récupération de contexte long en utilisant seulement une petite exécution de réglage fin.
Adaptation à moindre coût d'un modèle pré-entraîné pour des tâches de récupération de contexte long en utilisant seulement une petite exécution de réglage fin. Les équipes obtiennent généralement de meilleurs résultats lorsqu'elles définissent des seuils de qualité à l'avance, maintiennent un chemin d'escalade humain pour les cas extrêmes et suivent à la fois les gains de productivité et les coûts d'erreur au fil du temps.
Risques et garde-fous
Les faits hallucinés peuvent discrètement entrer dans des rapports, des flux de support ou des résultats de recherche.
La sensibilité des invites peut créer des résultats incohérents pour des demandes similaires.
Les données textuelles sensibles peuvent être exposées si les contrôles d’accès sont faibles.
Feuille de route de mise en œuvre
Définissez le format de sortie, le ton et les normes de qualité avant le déploiement.
Définissez le format de sortie, le ton et les normes de qualité avant le déploiement. Traitez chaque étape comme une porte de preuves : si les critères ne sont pas remplis, suspendez le déploiement, comblez l'écart, puis étendez l'utilisation.
Établissez des réponses auprès de sources fiables chaque fois que la précision est importante.
Établissez des réponses auprès de sources fiables chaque fois que la précision est importante. Traitez chaque étape comme une porte de preuves : si les critères ne sont pas remplis, suspendez le déploiement, comblez l'écart, puis étendez l'utilisation.
Gardez un point de contrôle d’examen humain pour les résultats à enjeux élevés.
Gardez un point de contrôle d’examen humain pour les résultats à enjeux élevés. Traitez chaque étape comme une porte de preuves : si les critères ne sont pas remplis, suspendez le déploiement, comblez l'écart, puis étendez l'utilisation.
Suivez les modèles de défaillance et recyclez régulièrement les invites ou les flux de travail.
Suivez les modèles de défaillance et recyclez régulièrement les invites ou les flux de travail. Traitez chaque étape comme une porte de preuves : si les critères ne sont pas remplis, suspendez le déploiement, comblez l'écart, puis étendez l'utilisation.