Tiếp theoHướng dẫn tiếp theo
Nội suy vị trí cho phần mở rộng ngữ cảnh
Ngôn ngữ AI
HƯỚNG DẪN KỸ THUẬT
Nội suy vị trí cho bối cảnh dài
Nội suy vị trí (PI) là một kỹ thuật đơn giản, có ảnh hưởng giúp mở rộng cửa sổ ngữ cảnh của Máy biến áp bằng cách ép các chỉ số vị trí mới vào phạm vi mà mô hình đã biết.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Thay vì ngoại suy đến các vị trí chưa thấy, nó nội suy trong các vị trí đã được huấn luyện, chỉ cần điều chỉnh ngắn gọn.
Lặn sâu
Được giới thiệu bởi các nhà nghiên cứu Meta (Chen và cộng sự) vào năm 2023, Nội suy vị trí giải quyết thực tế là các mô hình có RoPE thất bại thảm hại khi ngoại suy sang các vị trí ngoài đào tạo. Thông tin chi tiết này phản trực giác: thay vì yêu cầu mô hình xử lý các giá trị vị trí lớn hơn mà nó chưa từng thấy, PI chia các chỉ số vị trí sắp tới cho một hệ số tỷ lệ để độ dài mục tiêu, chẳng hạn như 8K, ánh xạ trở lại phạm vi 2K ban đầu. Bởi vì mô hình đã được huấn luyện trên phạm vi đó nên các phép quay vẫn được phân phối. Chỉ sau 1.000 bước tinh chỉnh, mô hình LLaMA mở rộng theo cách này đã xử lý được ngữ cảnh lên tới 32K. Bài báo cho thấy phép ngoại suy có thể nâng điểm chú ý lên các giá trị rất lớn, trong khi phép nội suy giữ cho chúng có giới hạn và ổn định, đó là lý do tại sao phép nội suy hoạt động tốt hơn đáng kể so với phép ngoại suy.
Triển khai trong thế giới thực
Mở rộng mô hình LLaMA ngữ cảnh 2K để xử lý mã thông báo 8K-32K với khoảng 1.000 bước tinh chỉnh
Điều chỉnh mô hình trò chuyện hiện có để tóm tắt tài liệu dài mà không cần đào tạo lại từ đầu
Đóng vai trò là cơ sở khái niệm để cải thiện khả năng mở rộng nhận thức NTK và YaRN
Kích hoạt mã ngữ cảnh dài hoặc phân tích tài liệu pháp lý trên các mô hình được đào tạo ban đầu với các cửa sổ ngắn
Tương lai của nội suy vị trí cho bối cảnh dài
Nội suy vị trí đã trở thành nền tảng cho một làn sóng tiếp theo, bao gồm chia tỷ lệ nhận biết NTK và YaRN, nội suy có chọn lọc hơn để bảo toàn chi tiết cục bộ. Quỹ đạo hướng tới các phương pháp cần ít hoặc không cần tinh chỉnh và hướng tới việc đưa việc xử lý ngữ cảnh dài vào quá trình huấn luyện trước. PI vẫn là đường cơ sở có giá trị và thường được kết hợp với các sơ đồ nhận biết tần số mới hơn để tiếp cận cửa sổ ngữ cảnh hơn 128K một cách hiệu quả.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Chi phí và ngân sách. Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
- Quyết định rõ ràng hơn. Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
- Kiểm soát chất lượng. Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
coi chừng
- Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
- Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
- Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Các bước tiếp theo
- Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
- Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
- Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
- Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Positional Interpolation for Long Context quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Nội suy vị trí cho Ngữ cảnh Dài là gì?
Nội suy vị trí (PI) là một kỹ thuật đơn giản, có ảnh hưởng giúp mở rộng cửa sổ ngữ cảnh của Máy biến áp bằng cách ép các chỉ số vị trí mới vào phạm vi mà mô hình đã biết. Thay vì ngoại suy đến các vị trí không nhìn thấy, nó sẽ nội suy trong các vị trí đã được huấn luyện, chỉ cần tinh chỉnh ngắn gọn.
Ý tưởng cốt lõi đằng sau Nội suy vị trí là gì?
PI chia chỉ số vị trí theo hệ số tỷ lệ để các chuỗi dài hơn ánh xạ trở lại phạm vi vị trí đã huấn luyện, giữ cho các phép quay được phân phối.
Tại sao phép ngoại suy ngây thơ cho các vị thế dài hơn lại thất bại?
Bài báo PI cho thấy các vị trí lớn không nhìn thấy được có thể tạo ra mức độ chú ý lớn hơn mức huấn luyện, gây mất ổn định cho softmax.
Công việc PI ban đầu cần phải tinh chỉnh đến mức nào để mở rộng LLaMA lên 32K?
Bài báo báo cáo rằng khoảng 1.000 bước tinh chỉnh là đủ để mở rộng bối cảnh lên tới 32K mã thông báo.
Nếu bạn mở rộng ngữ cảnh theo hệ số s, PI biến đổi vị trí m như thế nào?
PI thay đổi tỷ lệ vị trí m thành m/s, nén phạm vi mới lớn hơn vào phạm vi được huấn luyện ban đầu.
PI đã ảnh hưởng đến các phương pháp sau này như YaRN như thế nào?
PI đã thiết lập phép nội suy là phương pháp an toàn; Chia tỷ lệ nhận biết NTK và YaRN đã tinh chỉnh nó bằng cách nội suy các tần số có chọn lọc hơn.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này