Огляд
Закони масштабування Chinchilla, розроблені DeepMind у 2022 році, показали, що більшість великих мовних моделей були погано навчені: для фіксованого бюджету обчислень вам слід масштабувати розмір моделі та навчальні дані приблизно в рівній пропорції. Це важливо, оскільки він переосмислив, що означає «оптимальний» розмір моделі, і змінив те, як лабораторії витрачають обчислення.
Закони масштабування Chinchilla є частиною мовного стеку штучного інтелекту, який використовується для читання, генерації, класифікації та масштабного перетворення тексту та мови.
Глибоке занурення
До Chinchilla трендом було створювати все більші моделі (наприклад, GPT-3 із параметрами 175B), навчаючись на відносно скромних обсягах даних. DeepMind навчив понад 400 моделей різних розмірів і бюджетів даних, а потім підібрав криві, що передбачають втрати як функцію параметрів і маркерів за фіксованого бюджету обчислень (FLOP). Їх висновок: параметри та навчальні маркери повинні масштабуватися разом, приблизно у співвідношенні 1 до 1, тобто приблизно 20 маркерів навчальних даних на параметр. Щоб довести це, вони навчили Chinchilla, модель із параметрами 70B на 1,4 трильйонах токенів, яка перевершила набагато більшу модель Gopher із параметрами 280B, незважаючи на те саме обчислення, оскільки вона була навчена на набагато більшій кількості даних.
Технічне розуміння
Закони випливають із підгонки параметричної функції втрат L(N, D), де N — це параметри, а D — це токени, включаючи терміни незнижуваних втрат, розміру моделі та розміру даних. Мінімізація втрат за умови обмеження обчислення (обчислення приблизно пропорційно N, помноженому на D) призводить до того, що оптимальні N і D зростають як потужність обчислення з однаковими показниками, тому співвідношення оптимального обчислення залишається близько 20 маркерів на параметр.
Освоєння законів лущення шиншил
Закони масштабування Chinchilla, розроблені DeepMind у 2022 році, показали, що більшість великих мовних моделей були погано навчені: для фіксованого бюджету обчислень вам слід масштабувати розмір моделі та навчальні дані приблизно в рівній пропорції. Це важливо, оскільки він переосмислив, що означає «оптимальний» розмір моделі, і змінив те, як лабораторії витрачають обчислення. Закони масштабування Chinchilla є частиною мовного стеку штучного інтелекту, який використовується для читання, генерації, класифікації та масштабного перетворення тексту та мови. Щоб поглибити розуміння, розглядайте закони масштабування Chinchilla як робочу модель, а не як окрему функцію: визначте бажані результати, уточніть припущення та відокремте те, що система може зробити надійно, від того, що все ще вимагає експертної оцінки.
На практиці сильні команди, які використовують закони масштабування Chinchilla, розробляють цикли підказок, пошуку та перегляду як єдину інтегровану систему зв’язку. Вони документують чіткі критерії успіху, перевіряють реалістичні дані та робочі процеси та виконують ітерацію на основі спостережуваних моделей невдач, а не одноразових перемог у тестах. Саме тут теоретичне розуміння перетворюється на довготривалу здатність щодо продуктів, політики та операцій.
Мовні робочі процеси можуть рухатися швидше без шкоди для узгодженості. У той же час галюциновані факти можуть непомітно входити у звіти, допоміжні потоки або результати досліджень. Найбільш стійкий підхід полягає в поєднанні швидкості експериментів із дисципліною управління: запускайте пілотні проекти, збирайте докази, публікуйте журнали рішень і постійно оновлюйте запобіжні заходи в міру розвитку поведінки моделі, очікувань користувачів і нормативних вимог.
Стратегічний вплив
Мовні робочі процеси можуть рухатися швидше без шкоди для узгодженості.
Мовні робочі процеси можуть рухатися швидше без шкоди для узгодженості. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Це розширює доступ до різних мов і стилів спілкування.
Це розширює доступ до різних мов і стилів спілкування. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Команди можуть витрачати більше часу на оцінювання, поки автоматизація справляється з повторенням.
Команди можуть витрачати більше часу на оцінювання, поки автоматизація справляється з повторенням. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Впровадження в реальному світі
Chinchilla з параметрами 70B від DeepMind перемагає Gopher 280B за тестами, використовуючи однакові обчислення, навчаючись на значно більшій кількості даних
Керівництво командами щодо бюджету приблизно 20 жетонів навчання на параметр під час планування моделі з нуля
Виправдання менших, багатих на дані моделей, таких як LLaMA, які дешевше запускати під час висновку
Оцінка того, чи є запланована модель «недостатньо навченою» і чи принесе їй більше переваг від додаткових даних, ніж від додаткових параметрів
Шаблони реалізації
Закони лущення шиншил на практиці
Chinchilla з параметрами 70B від DeepMind перемагає Gopher 280B за тестами, використовуючи однакові обчислення, тренуючись на набагато більшій кількості даних.
Chinchilla з параметрами 70B від DeepMind перемагає Gopher 280B у контрольних тестах, використовуючи однакові обчислення, тренуючись на значно більшій кількості даних. Команди зазвичай отримують кращі результати, коли визначають порогові значення якості наперед, зберігають шлях ескалації людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Закони лущення шиншил на практиці
Рекомендація командам передбачити в бюджеті приблизно 20 навчальних токенів на параметр під час планування моделі з нуля.
Рекомендації командам передбачити в бюджеті приблизно 20 токенів навчання на параметр під час планування моделі з нуля. Команди зазвичай отримують кращі результати, коли заздалегідь визначають порогові значення якості, зберігають шлях ескалації персоналом для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Закони лущення шиншил на практиці
Виправдання менших, багатих на дані моделей, таких як LLaMA, які дешевше запускати під час висновку.
Обґрунтування менших моделей із багатим вмістом даних, таких як LLaMA, які дешевше запускати під час висновку. Команди зазвичай отримують кращі результати, коли заздалегідь визначають порогові значення якості, зберігають шлях ескалації з боку людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Закони лущення шиншил на практиці
Оцінка того, чи є запланована модель «недостатньо навченою» і чи принесе їй більше переваг від додаткових даних, ніж від додаткових параметрів.
Оцінка того, чи є запланована модель «недостатньо навченою» та чи принесе їй більше переваг від додаткових даних, ніж від додаткових параметрів. Команди зазвичай отримують кращі результати, коли заздалегідь визначають порогові значення якості, зберігають шлях людської ескалації для граничних випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Ризики та огорожі
Галюциновані факти можуть непомітно входити у звіти, допоміжні потоки або результати досліджень.
Делікатність підказок може створити суперечливі результати для подібних запитів.
Конфіденційні текстові дані можуть бути розкриті, якщо контроль доступу слабкий.
Дорожня карта впровадження
Визначте вихідний формат, тон і стандарти якості перед розгортанням.
Визначте вихідний формат, тон і стандарти якості перед розгортанням. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Якщо точність має значення, зв’яжіться з надійними джерелами.
Якщо точність має значення, зв’яжіться з надійними джерелами. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Тримайте контрольну точку перевірки людьми для отримання високих ставок.
Тримайте контрольну точку перевірки людьми для отримання високих ставок. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Відстежуйте моделі збоїв і регулярно перенавчайте підказки або робочі процеси.
Відстежуйте моделі збоїв і регулярно перенавчайте підказки або робочі процеси. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.