Genel Bakış
Çoklu Sorgu Dikkati (MQA), tüm dikkat kafaları arasında bir dizi anahtarı ve değeri paylaşan, transformatör dikkatine yönelik, bellekten tasarruf sağlayan bir değişikliktir. Modelin karıştırması gereken belleği daraltarak metin üretimini önemli ölçüde hızlandırır.
Çoklu Sorgu Dikkati, metni ve konuşmayı uygun ölçekte okumak, oluşturmak, sınıflandırmak ve dönüştürmek için kullanılan dil yapay zeka yığınının bir parçasıdır.
Derin Dalış
Standart çok kafalı dikkat, her kafaya kendi sorgusunu, anahtarını ve değer projeksiyonlarını verir. Oluşturma sırasında, tüm geçmiş belirteçlerin anahtarları ve değerleri her adımda önbelleğe alınmalı ve yeniden yüklenmelidir; bu KV önbelleği ana darboğaz haline gelir, çünkü onu bellekten okumak matematikten daha yavaştır. Noam Shazeer tarafından 2019'da önerilen Çoklu Sorgu Dikkati, kişi başına ayrı sorgu projeksiyonları tutar ancak anahtarları ve değerleri tek bir paylaşılan kafaya daraltır. Bu, KV önbelleğini kafa sayısına eşit bir faktör kadar, bazen 8 ila 64 kat daha az küçültür. Sonuç olarak, çok daha hızlı otoregresif kod çözme ve daha hafif bir bellek alanı ile yalnızca mütevazı bir kalite düşüşü elde edilir. Orta yol olan Gruplandırılmış Sorgu Dikkati bu dengeyi dengeler.
Teknik Bilgi
MQA'da sorgu ağırlıkları hala H ayrı sorgu vektörü üretiyor ancak tek bir anahtar projeksiyonu ve tek değer projeksiyonu tüm başlıklar arasında paylaşılıyor. Her kafa, aynı anahtarlara ve değerlere karşı kendi sorgusunu kullanarak dikkati hesaplar. Önbelleğe alınan K ve V tensörleri artık kafa sayısına göre ölçeklenmediğinden, kod çözme sırasında bellek bant genişliği keskin bir şekilde düşer ve modern hızlandırıcılarda kapı oluşturma hızını hesaplama değil bant genişliği belirler.
Çoklu Sorgu Dikkatinde Uzmanlaşma
Çoklu Sorgu Dikkati (MQA), tüm dikkat kafaları arasında bir dizi anahtarı ve değeri paylaşan, transformatör dikkatine yönelik, bellekten tasarruf sağlayan bir değişikliktir. Modelin karıştırması gereken belleği daraltarak metin üretimini önemli ölçüde hızlandırır. Çoklu Sorgu Dikkati, metni ve konuşmayı uygun ölçekte okumak, oluşturmak, sınıflandırmak ve dönüştürmek için kullanılan dil yapay zeka yığınının bir parçasıdır. Derin bir anlayış oluşturmak için Çoklu Sorgu Dikkatini tek bir özellik olarak değil, bir işletim modeli olarak ele alın: istenen sonuçları tanımlayın, varsayımları netleştirin ve sistemin güvenilir bir şekilde yapabileceklerini hâlâ uzman görüşü gerektiren şeylerden ayırın.
Uygulamada, Çoklu Sorgu Dikkat tasarımını kullanan güçlü ekipler, tek bir entegre iletişim sistemi olarak istemleri, geri alma ve inceleme döngülerini kullanır. 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
Ham hesaplamanın değil KV önbelleğinin verimi sınırladığı sohbet asistanlarında jeton bazlı jeton oluşturmayı hızlandırma.
Google'nin PaLM'si, verimli büyük ölçekli çıkarım sağlamak için Çoklu Sorgu Dikkatini kullandı.
İstek başına KV önbelleğini küçülterek tek bir GPU üzerinde çok sayıda eş zamanlı kullanıcıya hizmet verir.
Llama 2 70B ve Llama 3'teki Gruplandırılmış Sorgu Dikkati, MQA'nın hızını tam dikkat kalitesiyle dengeleyen doğrudan bir alt öğedir.
Uygulama Modelleri
Uygulamada Çoklu Sorgu Dikkati
Ham hesaplamanın değil KV önbelleğinin verimi sınırladığı sohbet asistanlarında jeton bazlı jeton oluşturmayı hızlandırma.
Ham bilgi işlem değil, KV önbelleğinin verimi sınırladığı sohbet asistanlarında jeton bazında jeton oluşturmayı hızlandırma 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.
Uygulamada Çoklu Sorgu Dikkati
Google'nin PaLM'si, verimli büyük ölçekli çıkarım sağlamak için Çoklu Sorgu Dikkatini kullandı.
Verimli büyük ölçekli çıkarım sağlamak için Çoklu Sorgu Dikkatini kullanan Google PaLM'si 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.
Uygulamada Çoklu Sorgu Dikkati
İstek başına KV önbelleğini küçülterek tek bir GPU üzerinde çok sayıda eş zamanlı kullanıcıya hizmet verir.
İstek başına KV önbelleğini daraltarak tek bir GPU üzerinde çok sayıda eş zamanlı kullanıcıya hizmet verme Ekipler genellikle kalite eşiklerini önceden belirlediklerinde, 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.
Uygulamada Çoklu Sorgu Dikkati
Llama 2 70B ve Llama 3'teki Gruplandırılmış Sorgu Dikkati, MQA'nın hızını tam dikkat kalitesiyle dengeleyen doğrudan bir alt öğedir.
Llama 2 70B ve Llama 3'teki Gruplandırılmış Sorgu Dikkati, MQA'nın hızını tam dikkat kalitesiyle dengeleyen doğrudan bir alt öğedir. 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.