Tiếp theoHướng dẫn tiếp theo
Nội suy vị trí cho phần mở rộng ngữ cảnh
Ngôn ngữ AI
HƯỚNG DẪN KỸ THUẬT
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.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
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.
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
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.
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 YaRN and Context Length Extension 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
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.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này