概要
YaRN (Yet another RoPE extensioN) は、モデルの使用可能なコンテキスト ウィンドウを、トレーニングされたものをはるかに超えて拡張するための効率的な手法です。回転位置の埋め込みを巧みに再スケーリングするので、たとえば 4K トークンでトレーニングされたモデルは最小限の微調整で 32K 以上を処理できます。
YaRN とコンテキスト長拡張機能は、大規模なモデルの品質、インフラストラクチャのコスト、レイテンシー、信頼性に影響を与える技術的な構成要素です。
ディープダイブ
最新の LLM は、RoPE (Rotary Position Embedding) を使用してトークンの位置をエンコードし、位置に関連付けられた角度によってクエリとキー ベクトルを回転します。トレーニングの長さよりも長いシーケンスをフィードすると、これらの回転が目に見えない範囲に入り、モデルが壊れます。 Bowen Peng と共同研究者によって 2023 年に導入された YaRN は、周波数ごとに適用される NTK 対応の内挿によってこの問題を修正します。高周波の次元 (局所的で短距離の関係を捕捉する) はほとんど変更されず、低周波の次元 (長距離の位置を追跡する) は補間されます。 YaRN はまた、より長いコンテキストから生じるエントロピーの変化に対抗するために、注意に温度調整を追加します。その結果、単純なアプローチに必要なデータとステップのごく一部のみを微調整した後、強力なロングコンテキストのパフォーマンスが得られます。
技術的な洞察
RoPE は、各埋め込み次元に回転周波数を割り当てます。単純な線形補間では、すべての周波数が均等に圧縮され、局所的な詳細をエンコードする高周波の次元が損なわれます。 YaRN は、ランプ関数を使用して、高周波の次元を維持しながら低周波 (長波長) の次元のみを補間します。さらに、シーケンスの長さが増加してもソフトマックスのシャープネスを安定に保つ 1/sqrt(t) アテンション温度スケーリングを使用します。この NTK ごとのアプローチは、劣化を大幅に抑えてコンテキストを拡張します。
YaRN とコンテキスト長拡張をマスターする
YaRN (Yet another RoPE extensioN) は、モデルの使用可能なコンテキスト ウィンドウを、トレーニングされたものをはるかに超えて拡張するための効率的な手法です。回転位置の埋め込みを巧みに再スケーリングするので、たとえば 4K トークンでトレーニングされたモデルは最小限の微調整で 32K 以上を処理できます。 YaRN とコンテキスト長拡張機能は、大規模なモデルの品質、インフラストラクチャのコスト、レイテンシー、信頼性に影響を与える技術的な構成要素です。深い理解を構築するには、YaRN とコンテキスト長拡張を単一の機能ではなくオペレーティング モデルとして扱います。望ましい結果を定義し、前提条件を明確にし、システムが確実に実行できることと、依然として専門家の判断が必要なことを分離します。
実際、YaRN とコンテキスト長拡張機能を使用する強力なチームは、信頼性とコストに照らしてアーキテクチャ、データ、インフラストラクチャの選択を最適化します。明示的な成功基準を文書化し、現実的なデータとワークフローに対してテストし、一度限りのベンチマークの成功ではなく、観察された失敗パターンに基づいて反復します。ここで、理論的な理解が、製品、ポリシー、運用全体にわたる永続的な機能に変わります。
アーキテクチャの決定により、パフォーマンスと運用コストが何年にもわたって推進されます。同時に、1 つのベンチマークを最適化すると、より広範なシステムの弱点が隠れる可能性があります。最も回復力のあるアプローチは、実験のスピードとガバナンスの規律を組み合わせることであり、パイロットを実行し、証拠を取得し、意思決定ログを公開し、モデルの動作、ユーザーの期待、規制要件の進化に応じて安全対策を継続的に更新します。
戦略的影響
アーキテクチャの決定により、パフォーマンスと運用コストが何年にもわたって推進されます。
アーキテクチャの決定により、パフォーマンスと運用コストが何年にもわたって推進されます。高品質の導入では、これが測定可能な運用ルール、所有権の境界、定期的なレビューの儀式に変換されるため、チームは曖昧さを拡大するのではなく、自信を拡大することができます。
技術教育は、チームが最新のスタックだけでなく、適切なスタックを選択するのに役立ちます。
技術教育は、チームが最新のスタックだけでなく、適切なスタックを選択するのに役立ちます。高品質の導入では、これが測定可能な運用ルール、所有権の境界、定期的なレビューの儀式に変換されるため、チームは曖昧さを拡大するのではなく、自信を拡大することができます。
より良いエンジニアリングの選択により、本番環境での信頼性に関するインシデントが減少します。
より良いエンジニアリングの選択により、本番環境での信頼性に関するインシデントが減少します。高品質の導入では、これが測定可能な運用ルール、所有権の境界、定期的なレビューの儀式に変換されるため、チームは曖昧さを拡大するのではなく、自信を拡大することができます。
現実世界の実装
オープン 4K コンテキスト モデルを 32K または 128K に拡張し、簡単な微調整で長い文書の質問に答えることができます。
検索拡張システムで、多くの連結されたパッセージを切り詰めることなく取り込めるようにする
1 つのプロンプトで大きなリポジトリ ファイル全体または複数のファイルを必要とするコード アシスタントを強化する
大量のチャット履歴を蓄積する長いマルチターン会話に基本モデルを適応させる
実装パターン
YaRN とコンテキスト長拡張の実際
オープン 4K コンテキスト モデルを 32K または 128K に拡張し、簡単な微調整で長い文書の質問に答えることができます。
オープン 4K コンテキスト モデルを 32K または 128K に拡張し、簡単な微調整で長い文書の質問に答えることができます。チームは通常、品質のしきい値を事前に定義し、エッジ ケースに対する人的エスカレーション パスを確保し、生産性の向上とエラー コストの両方を長期的に追跡すると、より良い結果が得られます。
YaRN とコンテキスト長拡張の実際
検索拡張システムが、多くの連結されたパッセージを切り詰めることなく取り込めるようにします。
検索拡張システムにより、多くの連結されたパッセージを切り詰めることなく取り込めるようにする チームは通常、品質のしきい値を事前に定義し、エッジ ケースに対する人的エスカレーション パスを確保し、生産性の向上とエラー コストの両方を長期的に追跡すると、より良い結果が得られます。
YaRN とコンテキスト長拡張の実際
1 つのプロンプトで大きなリポジトリ ファイル全体または複数のファイルを必要とするコード アシスタントを強化します。
大きなリポジトリ ファイル全体、または 1 つのプロンプトで複数のファイルを必要とするコード アシスタントを強化する チームは通常、品質のしきい値を事前に定義し、エッジ ケースに対する人的エスカレーション パスを確保し、生産性の向上とエラー コストの両方を長期にわたって追跡すると、より良い結果が得られます。
YaRN とコンテキスト長拡張の実際
大量のチャット履歴が蓄積される、複数ターンにわたる長い会話に基本モデルを適応させます。
大量のチャット履歴が蓄積される長い複数ターンにわたる会話に基本モデルを適応させる 通常、チームは、品質のしきい値を事前に定義し、エッジ ケースに対する人間によるエスカレーション パスを確保し、生産性の向上とエラー コストの両方を長期にわたって追跡すると、より良い結果が得られます。
リスクとガードレール
1 つのベンチマークを最適化すると、より広範なシステムの弱点が隠れる可能性があります。
インフラストラクチャとメンテナンスのコストは過小評価されがちです。
システムが複雑になるにつれて、セキュリティと可観測性のギャップが拡大する可能性があります。
実装ロードマップ
実装前にレイテンシ、品質、コストの目標を定義します。
実装前にレイテンシ、品質、コストの目標を定義します。各ステップを証拠ゲートとして扱います。基準が満たされない場合は、ロールアウトを一時停止し、ギャップを埋めてから、使用を拡大します。
現実的な負荷とデータ条件でのベンチマーク。
現実的な負荷とデータ条件でのベンチマーク。各ステップを証拠ゲートとして扱います。基準が満たされない場合は、ロールアウトを一時停止し、ギャップを埋めてから、使用を拡大します。
エラー、ドリフト、ユーザーへの影響を計測器で監視します。
エラー、ドリフト、ユーザーへの影響を計測器で監視します。各ステップを証拠ゲートとして扱います。基準が満たされない場合は、ロールアウトを一時停止し、ギャップを埋めてから、使用を拡大します。
スケーリングの前に、ロールバックとインシデント対応のパスを準備します。
スケーリングの前に、ロールバックとインシデント対応のパスを準備します。各ステップを証拠ゲートとして扱います。基準が満たされない場合は、ロールアウトを一時停止し、ギャップを埋めてから、使用を拡大します。