Genel Bakış
DeepMind'ın 2022'de çıkardığı Chinchilla ölçeklendirme yasaları, çoğu büyük dil modelinin yetersiz eğitildiğini gösterdi: Sabit bir bilgi işlem bütçesi için, model boyutunu ve eğitim verilerini kabaca eşit oranda ölçeklendirmeniz gerekir. Bu önemlidir çünkü 'optimal' model boyutunun ne anlama geldiğini yeniden tanımladı ve laboratuvarların bilgi işlem harcama şeklini yeniden şekillendirdi.
Chinchilla Ölçekleme Yasaları, metni ve konuşmayı uygun ölçekte okumak, oluşturmak, sınıflandırmak ve dönüştürmek için kullanılan dil yapay zeka yığınının bir parçasıdır.
Derin Dalış
Chinchilla'dan önce eğilim, nispeten mütevazı miktarda veri üzerinde eğitim verirken daha da büyük modeller (175B parametreli GPT-3 gibi) oluşturmaktı. DeepMind, birçok boyut ve veri bütçesinde 400'den fazla modeli eğitti ve ardından sabit bir hesaplama (FLOP) bütçesi altında parametrelerin ve belirteçlerin bir fonksiyonu olarak kaybı tahmin eden eğrileri yerleştirdi. Bulguları: parametreler ve eğitim jetonları, kabaca 1'e 1 oranında birlikte ölçeklendirilmelidir, bu da parametre başına yaklaşık 20 jeton eğitim verisi anlamına gelir. Bunu kanıtlamak için, 1,4 trilyon token üzerinde 70B parametreli bir model olan Chinchilla'yı eğittiler; bu model, çok daha fazla veri üzerinde eğitildiğinden, aynı hesaplamayı kullanmasına rağmen çok daha büyük olan 280B parametreli Gopher'dan daha iyi performans gösterdi.
Teknik Bilgi
Yasalar, indirgenemez kayıp, model boyutu ve veri boyutu terimleri dahil olmak üzere N'nin parametreler ve D'nin belirteçler olduğu bir parametrik kayıp fonksiyonu L(N, D)'nin uydurulmasından gelir. Bir hesaplama kısıtlamasına bağlı olarak kaybın en aza indirilmesi (hesaplama kabaca N çarpı D ile orantılıdır), optimal N ve D'nin her ikisinin de benzer üslerle bir hesaplama gücü olarak büyüdüğü sonucunu verir, böylece optimum hesaplama oranı parametre başına 20 jetona yakın kalır.
Chinchilla Ölçekleme Yasalarında Uzmanlaşmak
DeepMind'ın 2022'de çıkardığı Chinchilla ölçeklendirme yasaları, çoğu büyük dil modelinin yetersiz eğitildiğini gösterdi: Sabit bir bilgi işlem bütçesi için, model boyutunu ve eğitim verilerini kabaca eşit oranda ölçeklendirmeniz gerekir. Bu önemlidir çünkü 'optimal' model boyutunun ne anlama geldiğini yeniden tanımladı ve laboratuvarların bilgi işlem harcama şeklini yeniden şekillendirdi. Chinchilla Ölçekleme Yasaları, metni ve konuşmayı uygun ölçekte okumak, oluşturmak, sınıflandırmak ve dönüştürmek için kullanılan dil yapay zeka yığınının bir parçasıdır. Derin bir anlayış oluşturmak için Chinchilla Ölçeklendirme Yasalarını tek bir özellik olarak değil, bir işletim modeli olarak ele alın: arzu edilen sonuçları tanımlayın, varsayımları netleştirin ve sistemin güvenilir bir şekilde yapabileceklerini hâlâ uzman görüşü gerektiren şeylerden ayırın.
Uygulamada, Chinchilla Ölçeklendirme Yasalarını kullanan güçlü ekipler, tek bir entegre iletişim sistemi olarak istemleri, erişimleri ve inceleme döngülerini tasarlar. Açık başarı kriterlerini belgeliyorlar, gerçekçi verilere ve iş akışlarına göre test ediyorlar ve tek seferlik kıyaslama kazanımları yerine gözlemlenen başarısızlık modellerine dayalı olarak yineleniyorlar. Burası teorik anlayışın ürün, politika ve operasyonlar genelinde dayanıklı yeteneğe dönüştüğü yerdir.
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir. Aynı zamanda Halüsinasyonlu gerçekler sessizce raporlara, destek akışlarına veya araştırma çıktılarına girebilir. En dayanıklı yaklaşım, deneme hızını yönetişim disiplini ile birleştirmektir: pilot uygulamaları çalıştırın, kanıtları toplayın, karar günlüklerini yayınlayın ve model davranışı, kullanıcı beklentileri ve düzenleyici gereksinimler geliştikçe koruma önlemlerini sürekli olarak güncelleyin.
Stratejik Etki
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir.
Dil iş akışları tutarlılıktan ödün vermeden daha hızlı ilerleyebilir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Diller ve iletişim tarzları arasında erişimi genişletir.
Diller ve iletişim tarzları arasında erişimi genişletir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Otomasyon tekrarlamayı yönetirken ekipler karar vermeye daha fazla zaman ayırabilir.
Otomasyon tekrarlamayı yönetirken ekipler karar vermeye daha fazla zaman ayırabilir. Yüksek kaliteli dağıtımlarda bu, ölçülebilir işletim kurallarına, sahiplik sınırlarına ve yinelenen inceleme ritüellerine dönüştürülür, böylece ekipler belirsizliği ölçeklendirmek yerine güveni ölçeklendirebilir.
Gerçek Dünya Uygulaması
DeepMind'ın 70B parametreli Chinchilla'sı, çok daha fazla veri üzerinde eğitim vererek, eşit hesaplama kullanarak kıyaslamalarda 280B Gopher'ı geride bırakıyor
Sıfırdan bir model planlarken ekiplere parametre başına yaklaşık 20 eğitim jetonu bütçeleme konusunda rehberlik etme
Çıkarım zamanında çalıştırılması daha ucuz olan LLaMA gibi daha küçük, veri açısından zengin modelleri gerekçelendirmek
Planlanan bir modelin 'yetersiz eğitilmiş' olup olmadığını ve ekstra parametrelerden ziyade ekstra verilerden daha fazla fayda sağlayıp sağlamayacağını tahmin etmek
Uygulama Modelleri
Chinchilla Ölçeklendirme Yasaları Uygulamada
DeepMind'ın 70B parametreli Chinchilla'sı, çok daha fazla veri üzerinde eğitim vererek, eşit hesaplama kullanarak kıyaslamalarda 280B Gopher'ı geride bırakıyor.
DeepMind'ın 70B parametreli Chinchilla'sı, çok daha fazla veri üzerinde eğitim alarak, eşit bilgi işlem kullanarak kıyaslamalarda 280B Gopher'ı geride bırakıyor. Ekipler genellikle kalite eşiklerini önceden tanımladıklarında, uç durumlar için insani bir yükseltme yolu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Chinchilla Ölçeklendirme Yasaları Uygulamada
Sıfırdan bir model planlarken ekiplere parametre başına yaklaşık 20 eğitim jetonu bütçeleme konusunda rehberlik etmek.
Sıfırdan bir model planlarken ekiplere parametre başına yaklaşık 20 eğitim jetonu bütçeleme konusunda rehberlik etme Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Chinchilla Ölçeklendirme Yasaları Uygulamada
Çıkarım zamanında çalıştırılması daha ucuz olan LLaMA gibi daha küçük, veri açısından zengin modelleri haklı çıkarmak.
Çıkarım zamanında çalıştırılması daha ucuz olan LLaMA gibi daha küçük, veri açısından zengin modelleri haklı çıkarmak Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Chinchilla Ölçeklendirme Yasaları Uygulamada
Planlanan bir modelin 'yetersiz eğitilmiş' olup olmadığını ve ekstra parametrelerden ziyade ekstra verilerden daha fazla fayda sağlayıp sağlamayacağını tahmin etmek.
Planlanan bir modelin 'yetersiz eğitilmiş' olup olmadığını ve ekstra parametrelerden ziyade ekstra verilerden daha fazla fayda sağlayıp sağlamayacağını tahmin etme Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, uç durumlar için insani bir yükseltme yolunu tuttuklarında ve zaman içinde hem üretkenlik kazanımlarını hem de hata maliyetlerini takip ettiklerinde daha iyi sonuçlar elde ederler.
Riskler ve Korkuluklar
Halüsinasyonlu gerçekler sessizce raporlara, destek akışlarına veya araştırma çıktılarına girebilir.
İstem hassasiyeti, benzer istekler arasında tutarsız sonuçlar yaratabilir.
Erişim kontrolleri zayıfsa hassas metin verileri açığa çıkabilir.
Uygulama Yol Haritası
Kullanıma sunmadan önce çıktı formatını, tonunu ve kalite standartlarını tanımlayın.
Kullanıma sunmadan önce çıktı formatını, tonunu ve kalite standartlarını tanımlayın. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Doğruluğun önemli olduğu durumlarda güvenilir kaynaklarla zemin müdahaleleri.
Doğruluğun önemli olduğu durumlarda güvenilir kaynaklarla zemin müdahaleleri. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Yüksek riskli çıktılar için insan incelemesi kontrol noktası bulundurun.
Yüksek riskli çıktılar için insan incelemesi kontrol noktası bulundurun. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.
Arıza modellerini takip edin ve istemleri veya iş akışlarını düzenli olarak yeniden eğitin.
Arıza modellerini takip edin ve istemleri veya iş akışlarını düzenli olarak yeniden eğitin. Her adımı bir kanıt kapısı olarak değerlendirin: Kriterler karşılanmazsa, kullanıma sunumu duraklatın, boşluğu kapatın ve ancak bundan sonra kullanımı genişletin.