ภาพรวม
การแก้ไขตำแหน่ง (PI) เป็นเทคนิคที่ขยายหน้าต่างบริบทที่ใช้งานได้ของโมเดลภาษาให้ยาวเกินกว่าระยะเวลาการฝึก โดยปรับขนาดดัชนีตำแหน่งใหม่แทนที่จะคาดการณ์ โดยปล่อยให้โมเดลที่ได้รับการฝึก เช่น โทเค็น 2K หรือ 4K จัดการได้ 32K ขึ้นไปด้วยการปรับแบบละเอียดเพียงเล็กน้อยเท่านั้น
การแก้ไขตำแหน่งสำหรับส่วนขยายบริบทเป็นส่วนหนึ่งของสแต็กภาษา-AI ที่ใช้ในการอ่าน สร้าง จำแนก และแปลงข้อความและคำพูดตามขนาด
เจาะลึก
LLM สมัยใหม่ส่วนใหญ่ใช้การฝังตำแหน่งแบบหมุน (RoPE) ซึ่งเข้ารหัสตำแหน่งเป็นมุมการหมุนที่ใช้กับการสืบค้นและเวกเตอร์คีย์ หากคุณป้อนลำดับที่นานขึ้น โมเดลจะเห็นตำแหน่งและมุมการหมุนที่ไม่เคยฝึกมาก่อน และประสิทธิภาพจะลดลงเนื่องจากความสนใจคาดการณ์ได้ไม่ดีถึงความถี่ที่อยู่นอกช่วง การประมาณค่าตำแหน่งจะหลีกเลี่ยงการประมาณค่า: เพื่อขยายจากความยาว L ไปเป็นความยาว L' โดยจะแบ่งดัชนีตำแหน่งทั้งหมดด้วยตัวประกอบ L'/L โดยบีบช่วงใหม่กลับเข้าไปในช่วงเวลาที่ฝึก ขณะนี้โมเดลมองเห็นเฉพาะมุมในการกระจาย โดยเว้นระยะห่างให้หนาแน่นมากขึ้น การปรับแต่งสั้นๆ อย่างละเอียด (โดยปกติจะใช้เวลาสองสามร้อยถึงหนึ่งพันก้าว) ช่วยให้สามารถปรับให้เข้ากับระยะห่างที่ละเอียดยิ่งขึ้น ส่งผลให้มีพฤติกรรมบริบทแบบยาวที่มั่นคงโดยมีค่าใช้จ่ายเพียงเล็กน้อยในการฝึกล่วงหน้า
ข้อมูลเชิงลึกทางเทคนิค
RoPE หมุนคู่ขนาดที่ความถี่ที่ขยายละเอียดไปจนถึงหยาบ PI ปรับสเกลตำแหน่ง m เป็น m/s โดยที่ s = L'/L ดังนั้นมุมการหมุนจึงอยู่ภายในช่วงที่ฝึกแทนที่จะประมาณค่า รูปแบบการรับรู้ความถี่ เช่น NTK-aware scaling และ YaRN ก้าวไปอีกขั้น: โดยจะปรับขนาดความถี่ต่ำให้น้อยลงและความถี่สูงมากขึ้น (หรือประมาณค่าตามความยาวคลื่น) โดยคงรายละเอียดเฉพาะจุดความถี่สูงไว้ในขณะที่ขยายการเข้าถึงระยะไกลด้วยความถี่ต่ำ
การเรียนรู้การแก้ไขตำแหน่งสำหรับการขยายบริบท
การแก้ไขตำแหน่ง (PI) เป็นเทคนิคที่ขยายหน้าต่างบริบทที่ใช้งานได้ของโมเดลภาษาให้ยาวเกินกว่าระยะเวลาการฝึก โดยปรับขนาดดัชนีตำแหน่งใหม่แทนที่จะคาดการณ์ โดยปล่อยให้โมเดลที่ได้รับการฝึก เช่น โทเค็น 2K หรือ 4K จัดการได้ 32K ขึ้นไปด้วยการปรับแบบละเอียดเพียงเล็กน้อยเท่านั้น การแก้ไขตำแหน่งสำหรับส่วนขยายบริบทเป็นส่วนหนึ่งของสแต็กภาษา-AI ที่ใช้ในการอ่าน สร้าง จำแนก และแปลงข้อความและคำพูดตามขนาด เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่าการแก้ไขตำแหน่งสำหรับส่วนขยายบริบทเป็นเพียงรูปแบบการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังคงต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งโดยใช้การประมาณค่าตำแหน่งสำหรับการออกแบบส่วนขยายบริบทจะแจ้งเตือน การดึงข้อมูล และการตรวจสอบลูปเป็นระบบการสื่อสารแบบรวมระบบเดียว โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน
ขั้นตอนการทำงานของภาษาสามารถดำเนินไปได้เร็วขึ้นโดยไม่กระทบต่อความสม่ำเสมอ ในขณะเดียวกัน ข้อเท็จจริงที่หลอนประสาทสามารถเข้าสู่รายงาน กระแสสนับสนุน หรือผลการวิจัยได้อย่างเงียบๆ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง
ผลกระทบเชิงกลยุทธ์
ขั้นตอนการทำงานของภาษาสามารถดำเนินไปได้เร็วขึ้นโดยไม่กระทบต่อความสม่ำเสมอ
ขั้นตอนการทำงานของภาษาสามารถดำเนินไปได้เร็วขึ้นโดยไม่กระทบต่อความสม่ำเสมอ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ขยายการเข้าถึงภาษาและรูปแบบการสื่อสาร
ขยายการเข้าถึงภาษาและรูปแบบการสื่อสาร ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ทีมสามารถใช้เวลามากขึ้นในการตัดสิน ในขณะที่ระบบอัตโนมัติจัดการกับการทำซ้ำ
ทีมสามารถใช้เวลามากขึ้นในการตัดสิน ในขณะที่ระบบอัตโนมัติจัดการกับการทำซ้ำ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การใช้งานจริงในโลกแห่งความเป็นจริง
การขยายโมเดล LLaMA ที่ผ่านการฝึกอบรม 4K ไปเป็นบริบท 32K เพื่อสรุปเอกสารขนาดยาวหลังจากการปรับแต่งแบบละเอียดสั้นๆ
การโหลดโค้ดเบสทั้งหมดหรือสัญญาทางกฎหมายขนาดใหญ่ลงในพร้อมต์เดียวสำหรับการตอบคำถามแบบข้ามไฟล์
การใช้ NTK-aware หรือ YaRN มาตราส่วนเพื่อขยายบริบทด้วยการฝึกอบรมเพิ่มเติมเพียงเล็กน้อยหรือไม่มีเลย
ให้บริการประวัติการแชทที่ยาวนานโดยไม่มีการตัดทอนโดยปรับขนาดตำแหน่ง RoPE ในเวลาอนุมาน
รูปแบบการดำเนินงาน
การแก้ไขตำแหน่งสำหรับการขยายบริบทในทางปฏิบัติ
การขยายโมเดล LLaMA ที่ผ่านการฝึกอบรม 4K ไปเป็นบริบท 32K เพื่อสรุปเอกสารขนาดยาวหลังจากการปรับแต่งแบบละเอียดสั้นๆ
การขยายโมเดล LLaMA ที่ผ่านการฝึกอบรม 4K ไปเป็นบริบท 32K เพื่อสรุปเอกสารขนาดยาวหลังจากการปรับแต่งอย่างละเอียดสั้นๆ ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การแก้ไขตำแหน่งสำหรับการขยายบริบทในทางปฏิบัติ
การโหลดโค้ดเบสทั้งหมดหรือสัญญาทางกฎหมายขนาดใหญ่ลงในพร้อมต์เดียวสำหรับการตอบคำถามแบบข้ามไฟล์
การโหลดฐานโค้ดทั้งหมดหรือสัญญาทางกฎหมายขนาดใหญ่ลงในพร้อมท์เดียวสำหรับการตอบคำถามแบบข้ามไฟล์ ทีมมักจะได้ผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า เก็บเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การแก้ไขตำแหน่งสำหรับการขยายบริบทในทางปฏิบัติ
การใช้ NTK-aware หรือ YaRN มาตราส่วนเพื่อขยายบริบทด้วยการฝึกอบรมเพิ่มเติมเพียงเล็กน้อยหรือไม่มีเลย
การใช้การปรับขนาด NTK-aware หรือ YaRN เพื่อขยายบริบทด้วยการฝึกอบรมเพิ่มเติมเพียงเล็กน้อยหรือไม่มีเลย ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การแก้ไขตำแหน่งสำหรับการขยายบริบทในทางปฏิบัติ
ให้บริการประวัติการแชทที่ยาวนานโดยไม่มีการตัดทอนโดยปรับขนาดตำแหน่ง RoPE ในเวลาอนุมาน
ให้บริการประวัติการแชทที่ยาวนานโดยไม่มีการตัดทอนโดยปรับขนาดตำแหน่ง RoPE ในเวลาอนุมาน ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ความเสี่ยงและรั้ว
ข้อเท็จจริงที่หลอนประสาทสามารถเข้าสู่รายงาน กระแสสนับสนุน หรือผลการวิจัยได้อย่างเงียบๆ
ความละเอียดอ่อนของการแจ้งเตือนสามารถสร้างผลลัพธ์ที่ไม่สอดคล้องกันในคำขอที่คล้ายกัน
ข้อมูลข้อความที่ละเอียดอ่อนอาจถูกเปิดเผยหากการควบคุมการเข้าถึงอ่อนแอ
แผนงานการดำเนินงาน
กำหนดรูปแบบเอาต์พุต โทนเสียง และมาตรฐานคุณภาพก่อนเปิดตัว
กำหนดรูปแบบเอาต์พุต โทนเสียง และมาตรฐานคุณภาพก่อนเปิดตัว ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
การตอบสนองภาคพื้นดินกับแหล่งข้อมูลที่เชื่อถือได้เมื่อใดก็ตามที่ความแม่นยำมีความสำคัญ
การตอบสนองภาคพื้นดินกับแหล่งข้อมูลที่เชื่อถือได้เมื่อใดก็ตามที่ความแม่นยำมีความสำคัญ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
รักษาจุดตรวจสอบการตรวจสอบโดยมนุษย์สำหรับผลลัพธ์ที่มีเดิมพันสูง
รักษาจุดตรวจสอบการตรวจสอบโดยมนุษย์สำหรับผลลัพธ์ที่มีเดิมพันสูง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ติดตามรูปแบบความล้มเหลวและฝึกอบรมพร้อมท์หรือเวิร์กโฟลว์เป็นประจำ
ติดตามรูปแบบความล้มเหลวและฝึกอบรมพร้อมท์หรือเวิร์กโฟลว์เป็นประจำ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น