Prezentare generală
Legile de scalare Chinchilla, de la DeepMind în 2022, au arătat că majoritatea modelelor de limbaj mari au fost slab antrenate: pentru un buget de calcul fix, ar trebui să scalați dimensiunea modelului și datele de antrenament aproximativ în proporție egală. Este important pentru că a redefinit ce înseamnă dimensiunea „optimă” a modelului și a remodelat modul în care laboratoarele cheltuiesc calculul.
Chinchilla Scaling Laws face parte din stiva de limbaj-AI folosită pentru a citi, genera, clasifica și transforma textul și vorbirea la scară.
Deep Dive
Înainte de Chinchilla, tendința a fost de a construi modele din ce în ce mai mari (cum ar fi parametrul 175B GPT-3) în timp ce se antrenează pe cantități relativ modeste de date. DeepMind a antrenat peste 400 de modele în mai multe dimensiuni și bugete de date, apoi a încadrat curbele care prevăd pierderea în funcție de parametri și token-uri într-un buget fix de calcul (FLOP). Constatarea lor: parametrii și jetoanele de antrenament ar trebui să se scaleze împreună, aproximativ un raport de 1 la 1, ceea ce implică aproximativ 20 de jetoane de date de antrenament per parametru. Pentru a dovedi acest lucru, au antrenat Chinchilla, un model cu parametrii 70B pe 1,4 trilioane de jetoane, care a depășit-o pe Gopher, cu parametrii mult mai mari, de 280B, în ciuda faptului că a folosit același calcul, deoarece a fost antrenat pe mult mai multe date.
Perspectivă tehnică
Legile provin din ajustarea unei funcții de pierdere parametrică L(N, D) unde N este parametri și D este simboluri, inclusiv termeni de pierdere ireductibilă, dimensiunea modelului și dimensiunea datelor. Minimizarea pierderii supuse unei constrângeri de calcul (calcularea este aproximativ proporțională cu N ori D) conduce la rezultatul că N și D optime cresc ambele ca putere de calcul cu exponenți similari, astfel încât raportul optim de calcul rămâne aproape de 20 de jetoane pe parametru.
Stăpânirea Legilor Scaling Chinchilla
Legile de scalare Chinchilla, de la DeepMind în 2022, au arătat că majoritatea modelelor de limbaj mari au fost slab antrenate: pentru un buget de calcul fix, ar trebui să scalați dimensiunea modelului și datele de antrenament aproximativ în proporție egală. Este important pentru că a redefinit ce înseamnă dimensiunea „optimă” a modelului și a remodelat modul în care laboratoarele cheltuiesc calculul. Chinchilla Scaling Laws face parte din stiva de limbaj-AI folosită pentru a citi, genera, clasifica și transforma textul și vorbirea la scară. Pentru a construi o înțelegere profundă, tratați legile de scalare a Chinchilla ca un model de operare, nu o singură caracteristică: definiți rezultatele dorite, clarificați ipotezele și separați ceea ce poate face sistemul în mod fiabil de ceea ce necesită încă o judecată expertă.
În practică, echipele puternice care utilizează Chinchilla Scaling Laws proiectează solicitări, recuperare și revizuire a buclelor ca un singur sistem de comunicare integrat. Aceștia documentează criteriile de succes explicite, testează în funcție de date și fluxuri de lucru realiste și repetă pe baza modelelor de eșec observate, mai degrabă decât a câștigurilor de referință unice. Aici înțelegerea teoretică se transformă în capacitate durabilă pentru produse, politici și operațiuni.
Fluxurile de lucru lingvistice se pot deplasa mai rapid fără a sacrifica consistența. În același timp, faptele halucinate pot intra în liniște în rapoarte, fluxuri de suport sau rezultate ale cercetării. Cea mai rezistentă abordare este combinarea vitezei de experimentare cu disciplina de guvernare: desfășurați pilot, capturați dovezi, publicați jurnalele de decizie și actualizați continuu măsurile de protecție pe măsură ce comportamentul modelului, așteptările utilizatorilor și cerințele de reglementare evoluează.
Impact strategic
Fluxurile de lucru lingvistice se pot deplasa mai rapid fără a sacrifica consistența.
Fluxurile de lucru lingvistice se pot deplasa mai rapid fără a sacrifica consistența. În implementările de înaltă calitate, acest lucru se traduce în reguli de operare măsurabile, limite de proprietate și ritualuri de revizuire recurente, astfel încât echipele să poată mări încrederea în loc să crească ambiguitatea.
Extinde accesul în diferite limbi și stiluri de comunicare.
Extinde accesul în diferite limbi și stiluri de comunicare. În implementările de înaltă calitate, acest lucru se traduce în reguli de operare măsurabile, limite de proprietate și ritualuri de revizuire recurente, astfel încât echipele să poată mări încrederea în loc să crească ambiguitatea.
Echipele pot petrece mai mult timp jucând în timp ce automatizarea se ocupă de repetiție.
Echipele pot petrece mai mult timp jucând în timp ce automatizarea se ocupă de repetiție. În implementările de înaltă calitate, acest lucru se traduce în reguli de operare măsurabile, limite de proprietate și ritualuri de revizuire recurente, astfel încât echipele să poată mări încrederea în loc să crească ambiguitatea.
Implementare în lumea reală
Chinchilla cu parametrii 70B de la DeepMind îl învinge pe 280B Gopher la benchmarkuri folosind calcule egale, antrenându-se pe mult mai multe date
Îndrumarea echipelor să bugeteze aproximativ 20 de jetoane de antrenament per parametru atunci când planifică un model de la zero
Justificarea modelelor mai mici, bogate în date, cum ar fi LLaMA, care sunt mai ieftin de rulat la momentul deducerii
Estimarea dacă un model planificat este „subantrenat” și ar beneficia mai mult de date suplimentare decât de parametri suplimentari
Modele de implementare
Legile de scalare a Chinchilla în practică
Chinchilla cu parametrii 70B de la DeepMind îl învinge pe 280B Gopher la benchmark-uri folosind calcule egale, antrenându-se pe mult mai multe date.
Chinchilla cu parametrii 70B de la DeepMind îl depășește pe 280B Gopher la benchmark-uri folosind calcule egale, prin antrenament pe mult mai multe date. Echipele obțin de obicei rezultate mai bune atunci când definesc praguri de calitate în avans, păstrează o cale de escaladare umană pentru cazurile marginale și urmăresc atât câștigurile de productivitate, cât și costurile erorilor în timp.
Legile de scalare a Chinchilla în practică
Îndrumarea echipelor să bugeteze aproximativ 20 de jetoane de antrenament per parametru atunci când planifică un model de la zero.
Îndrumarea echipelor să bugeteze aproximativ 20 de jetoane de antrenament per parametru atunci când planifică un model de la zero Echipele obțin de obicei rezultate mai bune atunci când definesc praguri de calitate în avans, păstrează o cale de escaladare umană pentru cazurile marginale și urmăresc atât câștigurile de productivitate, cât și costurile erorilor în timp.
Legile de scalare a Chinchilla în practică
Justificarea modelelor mai mici, bogate în date, cum ar fi LLaMA, care sunt mai ieftin de rulat la momentul deducerii.
Justificarea modelelor mai mici, bogate în date, cum ar fi LLaMA, care sunt mai ieftin de rulat la momentul deducerii Echipele obțin de obicei rezultate mai bune atunci când definesc praguri de calitate în avans, păstrează o cale de escaladare umană pentru cazurile marginale și urmăresc atât câștigurile de productivitate, cât și costurile erorilor în timp.
Legile de scalare a Chinchilla în practică
Estimarea dacă un model planificat este „subantrenat” și ar beneficia mai mult de date suplimentare decât de parametri suplimentari.
Estimarea dacă un model planificat este „subantrenat” și ar beneficia mai mult de date suplimentare decât de parametri suplimentari. Echipele obțin de obicei rezultate mai bune atunci când definesc praguri de calitate în avans, păstrează o cale de escaladare umană pentru cazurile marginale și urmăresc atât câștigurile de productivitate, cât și costurile erorilor în timp.
Riscuri și balustrade
Faptele halucinate pot intra în liniște în rapoarte, fluxuri de sprijin sau rezultate ale cercetării.
Sensibilitatea promptă poate crea rezultate inconsecvente pentru solicitări similare.
Datele text sensibile pot fi expuse dacă controalele de acces sunt slabe.
Foaia de parcurs de implementare
Definiți formatul de ieșire, tonul și standardele de calitate înainte de lansare.
Definiți formatul de ieșire, tonul și standardele de calitate înainte de lansare. Tratați fiecare pas ca pe o poartă de dovezi: dacă criteriile nu sunt îndeplinite, întrerupeți lansarea, închideți decalajul și abia apoi extindeți utilizarea.
Răspunsurile la sol cu surse de încredere ori de câte ori acuratețea contează.
Răspunsurile la sol cu surse de încredere ori de câte ori acuratețea contează. Tratați fiecare pas ca pe o poartă de dovezi: dacă criteriile nu sunt îndeplinite, întrerupeți lansarea, închideți decalajul și abia apoi extindeți utilizarea.
Păstrați un punct de control uman pentru rezultate cu mize mari.
Păstrați un punct de control uman pentru rezultate cu mize mari. Tratați fiecare pas ca pe o poartă de dovezi: dacă criteriile nu sunt îndeplinite, întrerupeți lansarea, închideți decalajul și abia apoi extindeți utilizarea.
Urmăriți tiparele de eșec și reantrenați în mod regulat solicitările sau fluxurile de lucru.
Urmăriți tiparele de eșec și reantrenați în mod regulat solicitările sau fluxurile de lucru. Tratați fiecare pas ca pe o poartă de dovezi: dacă criteriile nu sunt îndeplinite, întrerupeți lansarea, închideți decalajul și abia apoi extindeți utilizarea.