YaRN và phần mở rộng độ dài ngữ cảnh
YaRN (Yet another RoPE extensioN) là một kỹ thuật hiệu quả để mở rộng cửa sổ ngữ cảnh có thể sử dụng của mô hình vượt xa những gì nó đã được đào tạo.
Tổng quan
It cleverly rescales rotary position embeddings so a model trained on, say, 4K tokens can handle 32K or more with minimal fine-tuning.
Lặn sâu
Hầu hết các LLM hiện đại đều mã hóa các vị trí mã thông báo bằng RoPE (Nhúng vị trí quay), giúp xoay vectơ truy vấn và khóa theo các góc được gắn với vị trí. Khi bạn cung cấp các chuỗi dài hơn thời lượng huấn luyện, các vòng quay này sẽ đi vào các phạm vi không nhìn thấy được và mô hình sẽ bị hỏng. YaRN, được Bowen Peng và các cộng tác viên giới thiệu vào năm 2023, đã khắc phục vấn đề này bằng phép nội suy nhận biết NTK được áp dụng cho mỗi tần số: nó giữ nguyên các kích thước tần số cao (nắm bắt các mối quan hệ cục bộ, phạm vi ngắn) hầu như không bị ảnh hưởng trong khi nội suy các kích thước tần số thấp (theo dõi vị trí tầm xa). YaRN cũng bổ sung tính năng điều chỉnh nhiệt độ cho sự chú ý nhằm chống lại những thay đổi entropy xuất phát từ các bối cảnh dài hơn. Kết quả là hiệu suất theo ngữ cảnh dài mạnh mẽ sau khi tinh chỉnh chỉ một phần nhỏ dữ liệu và các bước mà các phương pháp đơn giản yêu cầu.
Hiểu biết kỹ thuật
RoPE gán cho mỗi kích thước nhúng một tần số quay. Nội suy tuyến tính ngây thơ nén tất cả các tần số như nhau, làm tổn hại đến các kích thước tần số cao vốn mã hóa chi tiết cục bộ tốt. YaRN sử dụng hàm tăng tốc để chỉ nội suy các kích thước tần số thấp (bước sóng dài) trong khi vẫn duy trì các kích thước tần số cao, cộng với thang đo nhiệt độ chú ý 1/sqrt(t) giúp duy trì độ sắc nét softmax ổn định khi độ dài chuỗi tăng lên. Cách tiếp cận theo từng phần NTK này mở rộng bối cảnh với mức độ suy thoái ít hơn nhiều.
Tác động chiến lược
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.
Tương lai của YaRN và việc mở rộng độ dài ngữ cảnh
Tiện ích mở rộng ngữ cảnh hiện là thông lệ tiêu chuẩn: các mô hình mở thường xuyên gửi các biến thể mở rộng YaRN đạt 128K mã thông báo hoặc hơn thế nữa. Nghiên cứu đang hướng tới các phương pháp mở rộng bối cảnh với khả năng tinh chỉnh bằng 0 hoặc gần bằng 0, kết hợp thay đổi tỷ lệ RoPE với các thủ thuật mẫu chú ý và duy trì chất lượng trên toàn bộ cửa sổ thay vì chỉ ở phần cuối. Mong đợi sự tích hợp chặt chẽ hơn của các kỹ thuật này vào quá trình đào tạo trước để bối cảnh dài có sẵn thay vì được trang bị thêm.
Triển khai trong thế giới thực
Mở rộng mô hình ngữ cảnh 4K mở lên 32K hoặc 128K để trả lời câu hỏi tài liệu dài với tinh chỉnh ngắn gọn
Kích hoạt các hệ thống tăng cường truy xuất để nhập nhiều đoạn được nối mà không cần cắt ngắn
Hỗ trợ các trợ lý mã cần toàn bộ tệp kho lưu trữ lớn hoặc nhiều tệp trong một lời nhắc
Điều chỉnh mô hình cơ sở cho các cuộc trò chuyện dài nhiều lượt để tích lũy lịch sử trò chuyện lớn
Rủi ro & lan can
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.
Lộ trình thực hiện
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
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 YaRN and Context Length Extension 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
Nội suy vị trí cho phần mở rộng ngữ cảnh
Câu hỏi thường gặp
What is YaRN and Context Length Extension?
YaRN (Yet another RoPE extensioN) là một kỹ thuật hiệu quả để mở rộng cửa sổ ngữ cảnh có thể sử dụng của mô hình vượt xa những gì nó đã được đào tạo. Nó thay đổi tỷ lệ một cách khéo léo các phần nhúng vị trí quay để một mô hình được đào tạo về mã thông báo 4K có thể xử lý 32K trở lên mà không cần tinh chỉnh tối thiểu.
YaRN sửa đổi phương pháp mã hóa vị trí nào để mở rộng ngữ cảnh?
YaRN, tên có nghĩa là Một phần mở rộng RoPE khác, định lại tỷ lệ cho các phần nhúng vị trí quay được sử dụng trong hầu hết các LLM hiện đại.
Điều gì xảy ra khi mô hình RoPE thấy các chuỗi dài hơn thời lượng huấn luyện của nó?
Các vị trí ngoài quá trình đào tạo tạo ra các góc quay mà mô hình chưa từng thấy, do đó hành vi chú ý giảm sút rõ rệt.
YaRN xử lý các kích thước tần số RoPE khác nhau như thế nào?
YaRN sử dụng đoạn nối NTK theo từng phần để nội suy các độ mờ tần số thấp bước sóng dài và hầu như giữ nguyên các độ mờ tần số cao trong phạm vi ngắn.
Ngoài việc thay đổi tỷ lệ tần số, YaRN còn áp dụng điều chỉnh bổ sung nào?
YaRN bổ sung thang đo nhiệt độ vào nhật ký chú ý để chống lại sự thay đổi entropy xảy ra khi bối cảnh phát triển.
Lợi thế thực tế quan trọng của YaRN so với phép nội suy đơn giản là gì?
YaRN đạt được chất lượng ngữ cảnh dài mạnh mẽ sau khi tinh chỉnh một phần nhỏ dữ liệu mà các phương pháp đơn giản yêu cầu.