ภาพรวม
YaRN (ยังมีส่วนขยาย RoPE อีกอันหนึ่ง) เป็นเทคนิคที่ขยายหน้าต่างบริบทที่ใช้งานได้ของหม้อแปลงให้ยาวเกินกว่าที่ได้รับการฝึกฝน โดยมีการปรับแต่งเพียงเล็กน้อย สิ่งสำคัญคือช่วยให้โมเดลที่มีอยู่จัดการเอกสารได้นานขึ้นโดยไม่ต้องฝึกอบรมใหม่ตั้งแต่ต้น
YaRN Context Window Scaling เป็นส่วนหนึ่งของสแต็กภาษา-AI ที่ใช้ในการอ่าน สร้าง จำแนก และแปลงข้อความและคำพูดตามขนาด
เจาะลึก
LLM สมัยใหม่ส่วนใหญ่เข้ารหัสตำแหน่งคำโดยใช้ Rotary Position Embeddings (RoPE) ซึ่งทำงานได้ดีตามความยาวที่แบบจำลองเห็นระหว่างการฝึกเท่านั้น ป้อนในลำดับที่ยาวขึ้นและแบบจำลองจะเสื่อมคุณภาพลงอย่างมาก YaRN แก้ปัญหานี้ด้วยการลดขนาดความถี่การหมุนของ RoPE ในลักษณะที่คำนึงถึงความถี่: ขนาดความถี่สูง (ซึ่งจับความสัมพันธ์ในท้องถิ่นและใกล้เคียง) ส่วนใหญ่ไม่ถูกแตะต้อง ในขณะที่ขนาดความถี่ต่ำ (ซึ่งจับตำแหน่งระยะไกล) จะถูกสอดแทรก นอกจากนี้ยังเพิ่มการปรับอุณหภูมิเพื่อดูแลให้ Logit มีพฤติกรรมที่ดีในระยะยาว ผลลัพธ์ที่ได้แสดงให้เห็นในโมเดล LLaMA ขยายบริบทจากโทเค็น 4K เป็น 64K-128K โดยใช้ข้อมูลการฝึกอบรมดั้งเดิมเพียงประมาณ 0.1% และขั้นตอนการปรับแต่งเพียงไม่กี่ร้อยขั้นตอน
ข้อมูลเชิงลึกทางเทคนิค
RoPE หมุนคิวรีและเวกเตอร์คีย์ตามมุมที่แปรผันตามตำแหน่งและความถี่ต่อมิติ การแก้ไขเชิงเส้นแบบไร้เดียงสา (การแก้ไขตำแหน่ง) จะบีบอัดความถี่ทั้งหมดเท่าๆ กัน ซึ่งส่งผลเสียต่อรายละเอียดในพื้นที่ YaRN จะใช้ 'NTK-by-parts' แทน: โดยจะประมาณค่าเฉพาะมิติความถี่ต่ำ (ความยาวคลื่นยาว) ปล่อยความถี่สูงไว้ตามลำพัง และลาดระหว่างมิติเหล่านั้น การปรับขนาดของอุณหภูมิความสนใจจะชดเชยการเปลี่ยนแปลงเอนโทรปี โดยคงความแม่นยำไว้ในระยะยาว
การเรียนรู้การปรับขนาดหน้าต่างบริบท YaRN
YaRN (ยังมีส่วนขยาย RoPE อีกอันหนึ่ง) เป็นเทคนิคที่ขยายหน้าต่างบริบทที่ใช้งานได้ของหม้อแปลงให้ยาวเกินกว่าที่ได้รับการฝึกฝน โดยมีการปรับแต่งเพียงเล็กน้อย สิ่งสำคัญคือช่วยให้โมเดลที่มีอยู่จัดการเอกสารได้นานขึ้นโดยไม่ต้องฝึกอบรมใหม่ตั้งแต่ต้น YaRN Context Window Scaling เป็นส่วนหนึ่งของสแต็กภาษา-AI ที่ใช้ในการอ่าน สร้าง จำแนก และแปลงข้อความและคำพูดตามขนาด หากต้องการสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า YaRN Context Window Scaling เป็นโมเดลการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งโดยใช้พรอมต์การออกแบบ YaRN Context Window Scaling 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 แบบเปิดจากโทเค็น 4K เป็น 128K เพื่อให้สามารถนำเข้าโค้ดเบสทั้งหมดหรือสัญญาระยะยาวได้ในครั้งเดียว
ปล่อยให้แชทบอทเก็บประวัติการสนทนาที่ยาวมากโดยไม่ตัดทอนรอบก่อนหน้า
การสรุปเอกสารที่มีความยาวตามหนังสือหรือการถอดเสียงหลายชั่วโมงที่เกินหน้าต่างดั้งเดิมของโมเดลพื้นฐาน
การปรับโมเดลที่ได้รับการฝึกล่วงหน้าในราคาประหยัดสำหรับงานดึงข้อมูลบริบทแบบยาวโดยใช้การปรับแต่งแบบละเอียดเพียงเล็กน้อย
รูปแบบการดำเนินงาน
การปรับขนาดหน้าต่างบริบท YaRN ในทางปฏิบัติ
การขยายโมเดล LLaMA แบบเปิดจากโทเค็น 4K เป็น 128K เพื่อให้สามารถนำเข้าโค้ดเบสทั้งหมดหรือสัญญาระยะยาวได้ในครั้งเดียว
การขยายโมเดล LLaMA แบบเปิดจากโทเค็น 4K เป็น 128K เพื่อให้สามารถนำเข้าโค้ดเบสทั้งหมดหรือสัญญาระยะยาวได้ในครั้งเดียว ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การปรับขนาดหน้าต่างบริบท YaRN ในทางปฏิบัติ
ปล่อยให้แชทบอทเก็บประวัติการสนทนาที่ยาวมากโดยไม่ตัดทอนรอบก่อนหน้า
การให้แชทบอทเก็บประวัติการสนทนาที่ยาวมากโดยไม่ตัดทอนรอบก่อนหน้านี้ ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อกำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การปรับขนาดหน้าต่างบริบท YaRN ในทางปฏิบัติ
การสรุปเอกสารที่มีความยาวตามหนังสือหรือการถอดเสียงหลายชั่วโมงที่เกินหน้าต่างดั้งเดิมของโมเดลพื้นฐาน
การสรุปเอกสารที่มีความยาวตามหนังสือหรือการถอดเสียงหลายชั่วโมงที่เกินกว่าหน้าต่างดั้งเดิมของโมเดลพื้นฐาน ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
การปรับขนาดหน้าต่างบริบท YaRN ในทางปฏิบัติ
การปรับโมเดลที่ได้รับการฝึกล่วงหน้าในราคาประหยัดสำหรับงานดึงข้อมูลบริบทแบบยาวโดยใช้การปรับแต่งแบบละเอียดเพียงเล็กน้อย
การปรับโมเดลที่ได้รับการฝึกล่วงหน้าในราคาถูกสำหรับงานเรียกค้นบริบทแบบยาวโดยใช้การดำเนินการปรับแต่งเล็กๆ น้อยๆ เท่านั้น ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า 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