Đào tạo dự đoán nhiều mã thông báo
Thay vì chỉ dự đoán mã thông báo tiếp theo, mô hình được đào tạo để dự đoán nhiều mã thông báo trong tương lai cùng một lúc.
Tổng quan
This sharpens learning signals and unlocks faster inference through self-speculative decoding.
Lặn sâu
Các mô hình ngôn ngữ tiêu chuẩn được huấn luyện với tính năng dự đoán mã thông báo tiếp theo: đưa ra một ngữ cảnh, dự đoán mã thông báo tiếp theo duy nhất. Dự đoán nhiều mã thông báo (MTP), được phổ biến bởi bài báo Meta năm 2024 và được áp dụng trong DeepSeek-V3, bổ sung thêm các đầu ra nhẹ hơn để mô hình dự đoán đồng thời mã thông báo tiếp theo cộng với mã thông báo thứ 2, thứ 3 và thứ 4 phía trước từ cùng một trạng thái ẩn. Điều này buộc mạng phải lập kế hoạch sâu hơn cho tương lai và tăng mật độ tín hiệu đào tạo - mỗi vị trí hiện đóng góp nhiều điều khoản tổn thất. Meta đã báo cáo những lợi ích đặc biệt lớn về mã hóa và lý luận tổng quát, trong đó các mô hình lớn hơn được hưởng lợi nhiều hơn. Điều quan trọng là các đầu bổ sung có thể bị loại bỏ sau khi đào tạo, do đó kích thước mô hình khi triển khai không cần phải tăng.
Hiểu biết kỹ thuật
MTP gắn n đầu dự đoán độc lập phía trên đường trục máy biến áp dùng chung; đầu k dự đoán mã thông báo ở vị trí t+k từ biểu diễn ở vị trí t. Những tổn thất được tổng hợp trong quá trình đào tạo. Khi suy luận, các đầu phụ trợ cho phép giải mã tự suy đoán: mô hình đề xuất một số mã thông báo trong một lần truyền, sau đó xác minh chúng, đạt được tốc độ tạo nhanh hơn khoảng 3 lần mà không thay đổi phân bổ đầu ra.
Tác động chiến lược
Tốc độ và tỷ lệ
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
Truy cập và tiếp cận
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
Quyết định rõ ràng hơn
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
Tương lai của đào tạo dự đoán nhiều mã thông báo
MTP đang trở thành một thành phần mặc định trong các công thức đào tạo biên giới vì nó cải thiện cả chất lượng và tốc độ suy luận với chi phí thấp. Mong đợi sự tích hợp chặt chẽ hơn với giải mã suy đoán, tầm nhìn dự đoán sâu hơn và sử dụng như một mục tiêu phụ giúp cải thiện việc lập kế hoạch dài hạn. Kết hợp với các mô hình lý luận, việc dự đoán nhiều bước phía trước có thể giúp các mô hình mô phỏng nội bộ các hậu quả trước khi đưa ra câu trả lời.
Triển khai trong thế giới thực
DeepSeek-V3 sử dụng mục tiêu MTP trong quá trình huấn luyện trước để tăng hiệu quả dữ liệu và cho phép giải mã suy đoán
Các mô hình tạo mã của Meta cho thấy mức tăng độ chính xác trên HumanEval và MBPP từ việc dự đoán nhiều mã thông báo
Giải mã tự suy đoán: soạn thảo 3-4 mã thông báo cho mỗi lần chuyển tiếp, sau đó xác minh để có đầu ra bảo toàn phân phối nhanh hơn
Tự động hoàn thành nhanh hơn trong các trợ lý mã hóa trong đó nhiều mã thông báo hợp lý được đề xuất và kiểm tra trong một bước
Rủi ro & lan can
Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Lộ trình thực hiện
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Multi-Token Prediction Training quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Truyền phát đầu cơ và dự đoán nhiều mã thông báo
Câu hỏi thường gặp
What is Multi-Token Prediction Training?
Thay vì chỉ dự đoán mã thông báo tiếp theo, mô hình được đào tạo để dự đoán nhiều mã thông báo trong tương lai cùng một lúc. Điều này làm sắc nét các tín hiệu học tập và mở ra khả năng suy luận nhanh hơn thông qua việc giải mã tự suy đoán.
Dự đoán nhiều mã thông báo bổ sung gì so với đào tạo mã thông báo tiếp theo tiêu chuẩn?
MTP bổ sung thêm các đầu ra bổ sung để mô hình dự đoán mã thông báo tiếp theo cộng với một số mã thông báo tiếp theo từ một trạng thái ẩn.
Mô hình nào đặc biệt sử dụng mục tiêu dự đoán nhiều mã thông báo trong quá trình đào tạo trước?
DeepSeek-V3 đã áp dụng mục tiêu đào tạo MTP để cải thiện hiệu quả dữ liệu và cho phép giải mã suy đoán.
Tại sao MTP tăng mật độ tín hiệu đào tạo?
Dự đoán một số mã thông báo trong tương lai có nghĩa là mỗi vị trí mã thông báo sẽ tạo ra một số tổn thất dự đoán, mang lại nhiều tín hiệu tìm hiểu hơn cho mỗi mã thông báo.
Các đầu dự đoán bổ sung mang lại lợi ích suy luận gì?
Các đầu phụ có thể soạn thảo nhiều mã thông báo trên mỗi lượt, sau đó được xác minh, tăng tốc quá trình tạo mà không thay đổi mức phân phối đầu ra.
Điều gì xảy ra với các đầu phụ sau khi tập luyện nếu bạn không cần tăng tốc?
Các đầu bổ sung là tùy chọn khi triển khai; việc loại bỏ chúng sẽ giữ cho mô hình có cùng kích thước với mô hình mã thông báo tiếp theo tiêu chuẩn.