Il prossimoProssima guida
Attenzione lineare e nuclei dell'esecutore
Tecnico
GUIDA ALL'AI linguistica
RWKV è un'architettura che si addestra come un trasformatore ma esegue l'inferenza come una rete ricorrente, fornendo generazione di memoria costante in tempo lineare.
Ascolta questa guidaNarrato dall'IA · ~2 min
Riformula l'attenzione in modo che non vi siano costi quadratici né cache di valori-chiave in crescita.
RWKV (pronunciato "RwaKuv") sta per Ricettanza, Peso, Chiave, Valore, i suoi quattro elementi fondamentali. È stato creato in gran parte come un progetto aperto e guidato dalla comunità guidato da Bo Peng. L'obiettivo è mantenere la possibilità di addestrabilità parallela dei Transformer eliminando al tempo stesso la loro costosa inferenza. L'attenzione standard memorizza una cache di valori-chiave che cresce con ogni token e confronta ogni nuovo token con tutti quelli precedenti. RWKV porta invece avanti un piccolo stato nascosto di dimensione fissa, aggiornandolo con una regola di decadimento temporale in modo che le informazioni più vecchie svaniscano senza problemi. Durante l'allenamento può essere srotolato in forma parallelizzabile; durante la generazione agisce come una RNN producendo un token alla volta a costo costante. Ciò lo rende interessante per contesti lunghi e implementazioni con risorse limitate.
Esecuzione di modelli di chat open source capaci su CPU o dispositivi con memoria ridotta con memoria costante per token
Generazione di testo in streaming in cui i token vengono prodotti uno alla volta senza una cache in crescita
Elaborazione di documenti di lunga durata in cui la cache dei valori-chiave di un Transformer sarebbe proibitivamente grande
Progetti modello comunitari e multilingue che necessitano di un'architettura efficiente e con licenza aperta
RWKV è passato rapidamente attraverso le versioni (v4, v5 Eagle, v6 Finch e oltre), riducendo il divario di qualità con Transformers pur mantenendo i costi lineari. Prevedi una crescita continua di modelli multilingue aperti, implementazione edge e CPU dove la memoria costante è importante e design ibridi. La sua inferenza completamente ricorrente lo rende un ottimo candidato per applicazioni di streaming e contesti molto lunghi in cui altrimenti le cache dei valori-chiave esploderebbero.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
RWKV è un'architettura che si addestra come un trasformatore ma esegue l'inferenza come una rete ricorrente, fornendo generazione di memoria costante in tempo lineare. Riformula l'attenzione in modo che non vi siano costi quadratici né cache di valori-chiave in crescita.
L'obiettivo di progettazione di RWKV è l'addestramento parallelo in stile Transformer combinato con inferenza ricorrente e a costo costante.
RWKV prende il nome dai suoi quattro componenti: Ricettanza, Peso, Chiave e Valore.
Come un RNN, RWKV aggiorna uno stato di dimensione fissa a ogni passaggio, quindi la memoria non cresce con la lunghezza della sequenza.
Il peso di decadimento appreso per canale determina la velocità con cui i tasti passati svaniscono nello stato di esecuzione.
Utilizzando una ricorrenza, RWKV evita di confrontare ogni token con ogni altro token, rimuovendo il costo quadratico.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Attenzione lineare e nuclei dell'esecutore
Tecnico