コンテキスト拡張のための位置補間
位置補間 (PI) は、位置インデックスを外挿する代わりに再スケーリングすることにより、言語モデルの使用可能なコンテキスト ウィンドウをトレーニング長をはるかに超えて拡張する手法です。
概要
It lets a model trained on, say, 2K or 4K tokens handle 32K or more with only light fine-tuning.
ディープダイブ
最新の LLM は、クエリ ベクトルとキー ベクトルに適用される回転角度として位置をエンコードする回転位置埋め込み (RoPE) を使用します。単純に長いシーケンスをフィードすると、モデルはトレーニングに使用したことのない位置と回転角度を認識し、範囲外の周波数に対する注意の推定が不十分になるため、パフォーマンスが低下します。位置補間は外挿を回避します。長さ L から長さ L' まで拡張するには、すべての位置インデックスを係数 L'/L で除算し、新しい範囲をトレーニングされた間隔に押し戻します。モデルでは、より密に配置された分布内角度のみが表示されるようになりました。短い微調整 (多くの場合、数百から千ステップ) により、より細かい間隔に適応できるようになり、わずかな事前トレーニング コストで安定した長いコンテキストの動作が得られます。
技術的な洞察
RoPE は、細かいものから粗いものまでの周波数で次元ペアを回転させます。 PI は、位置 m を m/s (s = L'/L) に再スケーリングします。そのため、回転角度は外挿されるのではなく、トレーニングされた範囲内に留まります。 NTK 対応スケーリングや YaRN などの周波数を意識したバリアントはさらに進んでおり、低周波数のスケーリングを少なくし、高周波数のスケーリングを大きくし (または波長によって補間し)、高周波数の局所的なディテールを維持しながら、低周波数の長距離到達範囲を拡張します。
戦略的影響
速度とスケール
言語ワークフローは、一貫性を犠牲にすることなく、より高速に移行できます。
アクセスと到達範囲
言語やコミュニケーション スタイルを超えてアクセスが拡張されます。
より明確な判決
自動化が繰り返しを処理する間、チームは判断により多くの時間を費やすことができます。
コンテキスト拡張のための位置補間の未来
コンテキストの拡張は急速に進んでいます。 NTK 対応 RoPE スケーリング、YaRN、動的/long-RoPE などのメソッドは、ウィンドウを数十万、さらには数百万のトークンに押し上げ、場合によっては微調整がほとんど、またはまったく行われないこともあります。これらのスケーリング トリックが効率的なアテンションと KV キャッシュ圧縮と組み合わされて、モデル構成の標準ノブになることが期待されます。長いコンテキストが名目上サポートされるだけでなく、実際に使用できるよう、ウィンドウ全体にわたって精度を高く保つための研究が続けられています。
現実世界の実装
4K でトレーニングされた LLaMA モデルを 32K コンテキストに拡張し、簡単な微調整後に長いドキュメントを要約します。
コードベース全体または大規模な法的契約を 1 つのプロンプトにロードして、ファイル間の質問応答を実現します。
NTK 対応または YaRN スケーリングを使用して、追加のトレーニングを最小限またはまったく行わずにコンテキストを延長します。
推論時に RoPE 位置を再スケーリングすることで、長いチャット履歴を切り捨てずに提供します。
リスクとガードレール
幻覚のような事実が、レポート、サポート フロー、または研究結果に静かに組み込まれる可能性があります。
迅速な対応により、同様のリクエスト間で一貫性のない結果が生じる可能性があります。
アクセス制御が弱いと、機密テキスト データが漏洩する可能性があります。
実装ロードマップ
展開する前に、出力形式、トーン、品質基準を定義します。
正確さが重要な場合は常に、信頼できる情報源を使って地上対応を行ってください。
一か八かの成果物については人間によるレビュー チェックポイントを維持します。
失敗パターンを追跡し、プロンプトやワークフローを定期的に再トレーニングします。
探検を続けましょう
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 Position Interpolation for Context Extension 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
次のガイド
YaRN とコンテキスト長拡張
よくある質問
What is Position Interpolation for Context Extension?
位置補間 (PI) は、位置インデックスを外挿する代わりに再スケーリングすることにより、言語モデルの使用可能なコンテキスト ウィンドウをトレーニング長をはるかに超えて拡張する手法です。これにより、たとえば 2K または 4K トークンでトレーニングされたモデルは、軽い微調整だけで 32K 以上を処理できるようになります。
位置補間の中心的な考え方は何ですか?
PI は位置インデックスを拡張係数で除算し、より長いシーケンスをモデルがすでに学習した分布内の範囲にマッピングし直します。
位置補間が最も関連している位置エンコーディング スキームはどれですか?
PI は RoPE ベースのモデル用に普及し、回転角度を再スケーリングして、トレーニングされた周波数内に留まります。
より長いコンテキストへの単純な外挿が失敗する傾向があるのはなぜですか?
より長いシーケンスをフィードすると、モデルがトレーニングされていない範囲外の角度にさらされるため、注意力とパフォーマンスが急激に低下します。
コンテキスト長を L から L' に拡張する場合、基本 PI は位置 m にどのような再スケーリング係数を適用しますか?
PI は、m を係数 s = L'/L で割った m にマッピングし、長い範囲を元のトレーニングされた間隔に圧縮します。
NTK 対応のスケーリングと YaRN は単純な位置補間をどのように改善しますか?
これらの方法では、低周波と高周波を異なる方法でスケーリングし、より長いコンテキストに到達しながら、きめの細かい局所的な位置の詳細を保持します。