전문가의 혼합
MoE(Mixture of Experts)는 네트워크를 여러 특수 하위 네트워크로 분할하고 입력당 몇 개만 활성화하는 모델 설계입니다.
개요
It lets models hold enormous knowledge while keeping each prediction fast and cheap.
심층 분석
표준 변환기는 동일한 조밀한 레이어를 통해 모든 입력을 실행하므로 모델을 더 스마트하게 만드는 것은 일반적으로 모든 계산 비용을 더 많이 만든다는 것을 의미합니다. 전문가의 혼합은 해당 링크를 끊습니다. 이는 큰 피드포워드 계층을 많은 소규모 '전문가' 네트워크와 각 토큰을 처리할 전문가를 결정하는 작은 '라우터'로 대체합니다. 일반적으로 상위 1~2명의 전문가만 실행하므로 모델은 수천억 개의 전체 매개변수를 가질 수 있지만 토큰당 작은 부분만 활성화됩니다. 이것이 Mixtral 8x7B와 같은 모델과 GPT-4 뒤에 있는 소문난 아키텍처가 비례적으로 높은 추론 비용 없이 고품질에 도달하는 이유입니다. 균형은 복잡성입니다. 모든 전문가는 여전히 메모리에 적합해야 하며 라우터는 일부 전문가를 잘못 라우팅하거나 과부하할 수 있으므로 교육에는 신중한 균형이 필요합니다.
기술적 통찰력
MoE의 핵심은 게이팅 네트워크입니다. 이는 들어오는 토큰에 대해 각 전문가의 점수를 매기고 토큰을 상위 k개 최고 점수자(종종 k=1 또는 2)에게 라우팅하는 작은 학습 계층입니다. 라우터가 몇 명의 선호하는 전문가에게 모든 것을 전송하는 것을 막기 위해 교육에는 불규칙한 사용에 불이익을 주는 보조 '로드 밸런싱 손실'이 추가됩니다. 토큰당 k명의 전문가만 실행되기 때문에 전문가를 추가하더라도 컴퓨팅(FLOP)은 거의 일정하게 유지되므로 총 매개변수와 토큰당 비용이 독립적으로 확장됩니다.
전략적 영향
비용 및 예산
아키텍처 결정은 수년 동안 성능과 운영 비용을 결정합니다.
더 명확한 결정들
기술 교육은 팀이 최신 스택뿐만 아니라 올바른 스택을 선택하는 데 도움이 됩니다.
품질 관리
더 나은 엔지니어링 선택은 생산 시 신뢰성 사고를 줄입니다.
전문가 혼합의 미래
MoE는 용량과 비용을 분리하기 때문에 개척 규모 모델의 기본 도구가 되고 있습니다. 더 세분화된 전문가, 더 많은 컨텍스트를 고려하는 더 스마트한 라우팅, 제한된 하드웨어에서 대규모 희소 모델을 제공하기 위한 더 나은 기술을 기대하세요. 메모리 문제에 대한 연구도 진행 중입니다. 전문가 오프로딩 및 양자화를 통해 소수의 전문가가 실행되더라도 모든 전문가를 로드해야 하기 때문입니다. Mixtral 및 DeepSeek-MoE와 같은 개방형 모델이 성숙해짐에 따라 희소 아키텍처는 더 적은 GPU 예산으로 보다 효율적인 보조 기능을 제공할 가능성이 높습니다.
실제 구현
Mixtral 8x7B는 8명의 전문가를 사용하고 토큰당 2개를 활성화하여 대략 47B의 총 매개변수를 제공하지만 더 빠르고 저렴한 추론을 위해 토큰당 ~13B의 활성 매개변수만 제공합니다.
DeepSeek 및 Qwen은 낮은 토큰당 컴퓨팅으로 실행하면서 벤치마크의 밀도 모델과 일치하는 대규모 MoE 언어 모델을 제공합니다.
클라우드 LLM 제공업체는 MoE를 사용하므로 각 요청이 소수의 전문가에게만 도움이 되므로 하나의 거대한 모델이 많은 사용자에게 저렴하게 서비스를 제공할 수 있습니다.
Google의 이전 Switch Transformer는 훈련 컴퓨팅을 관리 가능하게 유지하기 위해 상위 1 라우팅을 사용하여 1조 개가 넘는 매개변수로 확장되었습니다.
위험 및 가드레일
하나의 벤치마크를 최적화하면 더 광범위한 시스템 약점을 숨길 수 있습니다.
인프라 및 유지 관리 비용은 종종 과소평가됩니다.
시스템이 더욱 복잡해짐에 따라 보안 및 관찰 가능성의 격차가 커질 수 있습니다.
구현 로드맵
구현하기 전에 지연 시간, 품질, 비용 목표를 정의하세요.
현실적인 로드 및 데이터 조건에서 벤치마킹합니다.
오류, 드리프트 및 사용자 영향에 대한 계측기 모니터링.
확장하기 전에 롤백 및 사고 대응 경로를 준비하세요.
계속 탐색하세요
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 Mixture of Experts 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
다음 가이드
LoRA 전문가의 혼합
자주 묻는 질문
What is Mixture of Experts?
MoE(Mixture of Experts)는 네트워크를 여러 특수 하위 네트워크로 분할하고 입력당 몇 개만 활성화하는 모델 설계입니다. 이를 통해 모델은 각 예측을 빠르고 저렴하게 유지하면서 막대한 지식을 보유할 수 있습니다.
전문가 혼합 레이어에서 어떤 전문가가 특정 토큰을 처리하는지 결정하는 것은 무엇입니까?
소규모 게이팅 네트워크는 토큰에 대해 각 전문가의 점수를 매기고 이를 최고 점수를 받은 전문가에게 전달하는 방법을 학습합니다. 라우팅은 고정되거나 무작위가 아닌 학습됩니다.
MoE 모델이 토큰당 비용을 높이지 않고도 밀도 모델보다 훨씬 더 많은 총 매개변수를 가질 수 있는 이유는 무엇입니까?
토큰당 상위 전문가만 실행하기 때문에 더 많은 전문가를 추가하여 총 매개변수 수가 증가하더라도 활성 컴퓨팅은 거의 일정하게 유지됩니다.
MoE 교육 중 로드 밸런싱(보조) 손실은 어떤 문제를 해결합니까?
균형을 맞추지 않으면 라우터는 소수의 전문가를 선호하는 경향이 있습니다. 보조 손실은 불규칙한 사용에 불이익을 주므로 모든 전문가가 교육을 받습니다.
Mixtral 8x7B는 토큰당 전문가 8명 중 2명을 활성화합니다. 이는 컴퓨팅과 크기에 대해 무엇을 의미합니까?
전문가 8명 중 2명만 활성화되어 토큰당 활성 매개변수(~13B)가 전체 ~47B보다 훨씬 작아 추론 비용이 낮아집니다.
동일한 성능의 밀도 모델과 비교하여 MoE 모델의 진정한 단점은 무엇입니까?
소수의 전문가만이 토큰당 계산을 수행하더라도 모든 전문가의 가중치를 메모리에 로드해야 하므로 MoE 모델은 메모리를 많이 사용하게 됩니다.