Il prossimoProssima guida
Interpolazione della posizione per l'estensione del contesto
Intelligenza artificiale linguistica
GUIDA TECNICA
YaRN (Yet another RoPE extensioN) è una tecnica efficiente per estendere la finestra di contesto utilizzabile di un modello ben oltre ciò su cui è stato addestrato.
Ascolta questa guidaNarrato dall'IA · ~2 min
Ridimensiona in modo intelligente gli incorporamenti della posizione rotante in modo che un modello addestrato, ad esempio, su token 4K possa gestire 32K o più con una regolazione minima.
La maggior parte dei LLM moderni codificano le posizioni dei token con RoPE (Rotary Position Embeddings), che ruotano le query e i vettori chiave in base agli angoli legati alla posizione. Quando si alimentano sequenze più lunghe della durata di addestramento, queste rotazioni entrano in intervalli invisibili e il modello si interrompe. YaRN, introdotto nel 2023 da Bowen Peng e collaboratori, risolve questo problema con l'interpolazione compatibile con NTK applicata per frequenza: lascia le dimensioni ad alta frequenza (che catturano le relazioni locali a corto raggio) per lo più intatte mentre interpola le dimensioni a bassa frequenza (che tracciano la posizione a lungo raggio). YaRN aggiunge anche un aggiustamento della temperatura dell’attenzione per contrastare i cambiamenti di entropia che provengono da contesti più lunghi. Il risultato sono ottime prestazioni a lungo contesto dopo la messa a punto solo di una piccola parte dei dati e dei passaggi richiesti dagli approcci ingenui.
Estensione di un modello aperto in contesto 4K a 32K o 128K per la risposta a domande su documenti lunghi con una breve messa a punto
Abilitazione dei sistemi potenziati dal recupero per acquisire molti passaggi concatenati senza troncamento
Potenzia gli assistenti al codice che necessitano di un intero file di repository di grandi dimensioni o di più file in un unico prompt
Adattamento di un modello base per lunghe conversazioni a più turni che accumulano grandi cronologie di chat
L'estensione del contesto è ormai una pratica standard: i modelli aperti distribuiscono regolarmente varianti estese di YaRN che raggiungono 128.000 token o oltre. La ricerca si sta muovendo verso metodi che estendono il contesto con una regolazione fine pari a zero o quasi zero, combinano il riscalamento RoPE con trucchi relativi ai modelli di attenzione e mantengono la qualità su tutta la finestra anziché solo sulle estremità. Aspettatevi una più stretta integrazione di queste tecniche nella pre-formazione in modo che il contesto lungo sia nativo piuttosto che adattato.
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
YaRN (Yet another RoPE extensioN) è una tecnica efficiente per estendere la finestra di contesto utilizzabile di un modello ben oltre ciò su cui è stato addestrato. Ridimensiona in modo intelligente gli incorporamenti della posizione rotante in modo che un modello addestrato, ad esempio, su token 4K possa gestire 32K o più con una regolazione minima.
YaRN, il cui nome significa Ancora un'altra estensione RoPE, ridimensiona gli incorporamenti di posizione rotante utilizzati nella maggior parte dei moderni LLM.
Le posizioni oltre l'addestramento producono angoli di rotazione che il modello non ha mai visto, quindi il comportamento di attenzione si degrada drasticamente.
YaRN utilizza una rampa NTK per parti che interpola le attenuazioni a bassa frequenza a lunghezza d'onda lunga e lascia per lo più intatte le attenuazioni ad alta frequenza a corto raggio.
YaRN aggiunge un ridimensionamento della temperatura ai log di attenzione per contrastare gli spostamenti di entropia che si verificano con la crescita del contesto.
YaRN raggiunge un'elevata qualità del contesto lungo dopo aver perfezionato una piccola parte dei metodi ingenui sui dati richiesti.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Interpolazione della posizione per l'estensione del contesto
Intelligenza artificiale linguistica