मल्टी-टोकन भविष्यवाणी प्रशिक्षण
केवल अगले टोकन की भविष्यवाणी करने के बजाय, मॉडल को एक साथ कई भविष्य के टोकन की भविष्यवाणी करने के लिए प्रशिक्षित किया जाता है।
सिंहावलोकन
This sharpens learning signals and unlocks faster inference through self-speculative decoding.
गहरा गोता
मानक भाषा मॉडल को अगले-टोकन भविष्यवाणी के साथ प्रशिक्षित किया जाता है: एक संदर्भ दिया गया है, एकल अगले टोकन की भविष्यवाणी करें। मल्टी-टोकन प्रेडिक्शन (MTP), जिसे 2024 Meta पेपर द्वारा लोकप्रिय बनाया गया और DeepSeek-V3 में अपनाया गया, अतिरिक्त हल्के आउटपुट हेड जोड़ता है ताकि मॉडल एक ही छिपी हुई स्थिति से अगले टोकन के साथ-साथ दूसरे, तीसरे और चौथे टोकन की भी भविष्यवाणी कर सके। यह नेटवर्क को भविष्य में आगे की योजना बनाने के लिए मजबूर करता है और प्रशिक्षण सिग्नल को सघन करता है - प्रत्येक स्थिति अब कई हानि शर्तों का योगदान करती है। Meta ने कोडिंग और जेनरेटिव रीजनिंग पर विशेष रूप से बड़े लाभ की सूचना दी, बड़े मॉडलों को अधिक लाभ हुआ। महत्वपूर्ण बात यह है कि प्रशिक्षण के बाद अतिरिक्त प्रमुखों को हटाया जा सकता है, इसलिए तैनाती के समय मॉडल का आकार बढ़ने की आवश्यकता नहीं है।
तकनीकी अंतर्दृष्टि
एमटीपी साझा ट्रांसफार्मर ट्रंक के शीर्ष पर एन स्वतंत्र भविष्यवाणी प्रमुख जोड़ता है; शीर्ष k स्थिति t पर प्रतिनिधित्व से स्थिति t+k पर टोकन की भविष्यवाणी करता है। प्रशिक्षण के दौरान होने वाले नुकसान का योग निकाला जाता है। अनुमान के समय, सहायक प्रमुख स्व-सट्टा डिकोडिंग को सक्षम करते हैं: मॉडल एक पास में कई टोकन प्रस्तावित करता है, फिर उन्हें सत्यापित करता है, आउटपुट वितरण को बदले बिना लगभग 3x तेज पीढ़ी तक प्राप्त करता है।
सामरिक प्रभाव
गति और पैमाना
भाषा वर्कफ़्लो निरंतरता से समझौता किए बिना तेज़ी से आगे बढ़ सकता है।
पहुंच और पहुंच
यह सभी भाषाओं और संचार शैलियों तक पहुंच का विस्तार करता है।
स्पष्ट निर्णय
टीमें निर्णय लेने में अधिक समय व्यतीत कर सकती हैं जबकि स्वचालन पुनरावृत्ति को संभालता है।
मल्टी-टोकन भविष्यवाणी प्रशिक्षण का भविष्य
एमटीपी सीमांत प्रशिक्षण व्यंजनों में एक डिफ़ॉल्ट घटक बनता जा रहा है क्योंकि यह कम लागत पर गुणवत्ता और अनुमान गति दोनों में सुधार करता है। सट्टा डिकोडिंग, गहन भविष्यवाणी क्षितिज के साथ सख्त एकीकरण की अपेक्षा करें, और एक सहायक उद्देश्य के रूप में उपयोग करें जो लंबी-क्षितिज योजना में सुधार करता है। तर्क मॉडल के साथ संयुक्त, आगे के कई चरणों की भविष्यवाणी करने से मॉडल को उत्तर देने से पहले आंतरिक रूप से परिणामों का अनुकरण करने में मदद मिल सकती है।
वास्तविक विश्व कार्यान्वयन
डेटा दक्षता को बढ़ावा देने और सट्टा डिकोडिंग को सक्षम करने के लिए प्रीट्रेनिंग के दौरान एमटीपी उद्देश्य का उपयोग करते हुए डीपसीक-वी3
Meta के कोड-जनरेशन मॉडल कई टोकन की भविष्यवाणी से ह्यूमनइवल और एमबीपीपी पर सटीकता लाभ दिखा रहे हैं
स्व-सट्टा डिकोडिंग: प्रति फॉरवर्ड पास 3-4 टोकन का मसौदा तैयार करना और फिर तेज़, वितरण-संरक्षण आउटपुट के लिए सत्यापन करना
कोडिंग सहायकों में तेजी से स्वत: पूर्ण जहां एक ही चरण में कई प्रशंसनीय टोकन प्रस्तावित और जांचे जाते हैं
जोखिम और रेलिंग
मतिभ्रम वाले तथ्य चुपचाप रिपोर्ट में प्रवेश कर सकते हैं, प्रवाह का समर्थन कर सकते हैं, या अनुसंधान आउटपुट का समर्थन कर सकते हैं।
त्वरित संवेदनशीलता समान अनुरोधों में असंगत परिणाम पैदा कर सकती है।
यदि पहुंच नियंत्रण कमजोर हैं तो संवेदनशील पाठ डेटा उजागर हो सकता है।
कार्यान्वयन रोडमैप
रोलआउट से पहले आउटपुट स्वरूप, टोन और गुणवत्ता मानकों को परिभाषित करें।
जब भी सटीकता मायने रखती है तो विश्वसनीय स्रोतों के साथ जमीनी प्रतिक्रियाएँ।
उच्च जोखिम वाले आउटपुट के लिए एक मानव समीक्षा चेकपॉइंट रखें।
विफलता पैटर्न को ट्रैक करें और संकेतों या वर्कफ़्लो को नियमित रूप से पुनः प्रशिक्षित करें।
अन्वेषण करते रहें
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 Multi-Token Prediction Training 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
अगली गाइड
सट्टा स्ट्रीमिंग और मल्टी-टोकन भविष्यवाणी
अक्सर पूछे जाने वाले प्रश्नों
What is Multi-Token Prediction Training?
केवल अगले टोकन की भविष्यवाणी करने के बजाय, मॉडल को एक साथ कई भविष्य के टोकन की भविष्यवाणी करने के लिए प्रशिक्षित किया जाता है। यह सीखने के संकेतों को तेज करता है और स्व-सट्टा डिकोडिंग के माध्यम से तेजी से अनुमान लगाता है।
मानक अगले-टोकन प्रशिक्षण की तुलना में मल्टी-टोकन भविष्यवाणी क्या जोड़ती है?
एमटीपी अतिरिक्त आउटपुट हेड जोड़ता है ताकि मॉडल अगले टोकन के साथ-साथ एक छिपी हुई स्थिति से आगे कई टोकन की भविष्यवाणी कर सके।
किस मॉडल ने विशेष रूप से प्रीट्रेनिंग में मल्टी-टोकन भविष्यवाणी उद्देश्य का उपयोग किया?
डीपसीक-वी3 ने डेटा दक्षता में सुधार और सट्टा डिकोडिंग को सक्षम करने के लिए एमटीपी प्रशिक्षण उद्देश्य को अपनाया।
एमटीपी प्रशिक्षण सिग्नल को सघन क्यों करता है?
भविष्य के कई टोकन की भविष्यवाणी करने का मतलब है कि प्रत्येक टोकन स्थिति कई पूर्वानुमान हानि उत्पन्न करती है, जिससे प्रति टोकन अधिक सीखने के संकेत मिलते हैं।
अतिरिक्त पूर्वानुमान प्रमुख किस अनुमान लाभ को सक्षम करते हैं?
सहायक प्रमुख प्रति पास कई टोकन का मसौदा तैयार कर सकते हैं जिन्हें बाद में सत्यापित किया जाता है, जिससे आउटपुट वितरण में बदलाव किए बिना पीढ़ी में तेजी आती है।
यदि आपको स्पीड-अप की आवश्यकता नहीं है तो प्रशिक्षण के बाद सहायक प्रमुखों का क्या होगा?
तैनाती के समय अतिरिक्त शीर्ष वैकल्पिक हैं; उन्हें त्यागने से मॉडल का आकार मानक अगले-टोकन मॉडल के समान ही रहता है।