YàRN Ojú Ferese Wiwọn
YaRN (Sibẹsi afikun RoPE miiran) jẹ ilana kan ti o na window ọrọ-ọrọ ohun elo ti oluyipada kan ti o jinna ju ohun ti o ti ṣe ikẹkọ lori, pẹlu iṣatunṣe didara to kere julọ.
Akopọ
O ṣe pataki nitori pe o jẹ ki awọn awoṣe ti o wa tẹlẹ mu awọn iwe aṣẹ ti o gun pupọ laisi atunkọ lati ibẹrẹ.
Jin Dive
Pupọ LLM ode oni ṣe koodu awọn ipo ọrọ nipa lilo Awọn ifibọ Ipo Rotari (RoPE), eyiti o ṣiṣẹ daradara nikan titi di ipari ti awoṣe ti rii lakoko ikẹkọ. Ifunni ni a gun ọkọọkan ati awọn awoṣe degrades koṣe. YaRN yanju eyi nipa yiyi awọn iwọn iyipo RoPE pada ni ọna ti o mọye igbohunsafẹfẹ: awọn iwọn-igbohunsafẹfẹ giga (eyiti o gba agbegbe, awọn ibatan ti o wa nitosi) ni a ko fi ọwọ kan, lakoko ti awọn iwọn-igbohunsafẹfẹ kekere (eyiti o gba ipo gigun gigun) ti wa ni interpolated. O tun ṣe afikun atunṣe iwọn otutu si akiyesi lati jẹ ki awọn logits ni ihuwasi daradara ni awọn sakani gigun. Abajade, ti a ṣe afihan lori awọn awoṣe LLAMA, fa ipo-ọrọ lati 4K si awọn ami-ami 64K-128K ni lilo nikan nipa 0.1% ti data ikẹkọ atilẹba ati awọn igbesẹ ti o dara-ọgọrun diẹ.
Imọ-imọ-ẹrọ
RoPE n yi ibeere ati awọn olutọpa bọtini nipasẹ igun kan ti o yẹ si ipo ati igbohunsafẹfẹ iwọn-kọọkan. Ibaṣepọ laini laini (Ipo Interpolation) ṣabọ gbogbo awọn igbohunsafẹfẹ dọgbadọgba, ni ipalara awọn alaye agbegbe. YaRN dipo kan 'NTK-nipasẹ-apakan': o interpolates nikan ni kekere-igbohunsafẹfẹ (gun-wefulenti) mefa, nlọ ga-igbohunsafẹfẹ nikan, ati awọn ramps laarin wọn. Iwọn iwọn otutu akiyesi n sanpada fun iyipada entropy, titoju deede ni awọn ipari gigun.
Ipa Ilana
Iyara ati iwọn
Ṣiṣan iṣẹ ede le gbe ni iyara laisi irubọ aitasera.
Wiwọle ati arọwọto
O faagun iraye si kọja awọn ede ati awọn aza ibaraẹnisọrọ.
Awọn ipinnu diẹ sii
Awọn ẹgbẹ le lo akoko diẹ sii lori idajọ lakoko ti adaṣe n kapa atunwi.
Ọjọ iwaju ti Iwọn Window Tọrọ YaRN
YaRN-ara igbohunsafẹfẹ-mọ itẹsiwaju ti di ohun elo aiyipada fun gbigbe awọn awoṣe ọrọ-gigun; awọn iyatọ ati awọn arọpo maa n farahan bi awọn ile-iṣẹ titari si awọn ferese ami-ami miliọnu. Reti isọdọkan wiwọ pẹlu akiyesi daradara, KV-cache funmorawon, ati igbelosoke agbara ti o ṣatunṣe lori fo fun ibeere. Aṣa ti o gbooro julọ ni sisọ 'bawo ni awoṣe ṣe pẹ to' lati 'bawo ni o ṣe pẹ to ti o le ka ni iwulo,' ṣiṣe ipo gigun jẹ ẹya ikẹkọ olowo poku lẹhin-ikẹkọ dipo ifaramo ayaworan gbowolori.
Real-World imuse
Mimu awoṣe LLAMA ti o ṣii lati 4K si awọn ami ami 128K ki o le mu gbogbo koodu koodu kan tabi adehun gigun ni iwe-iwọle kan
Gbigba chatbot kan duro awọn itan-akọọlẹ ibaraẹnisọrọ gigun pupọ laisi gige awọn iyipada iṣaaju
Akopọ awọn iwe aṣẹ gigun-iwe tabi awọn iwe afọwọkọ-wakati pupọ ti o kọja ferese abinibi ti awoṣe ipilẹ
Didiwọn ṣe adaṣe awoṣe ti ikẹkọ tẹlẹ fun awọn iṣẹ-ṣiṣe igbapada ọrọ-pipẹ ni lilo ṣiṣe atunṣe-itanran kekere nikan
Awọn ewu & Awọn ọna iṣọ
Awọn otitọ ti a sọ di mimọ le tẹ awọn ijabọ sii ni idakẹjẹ, awọn ṣiṣan atilẹyin, tabi awọn abajade iwadii.
Ifamọ kiakia le ṣẹda awọn abajade aisedede kọja awọn ibeere ti o jọra.
Awọn data ọrọ ifarabalẹ le farahan ti awọn idari wiwọle ko lagbara.
Ilana Ilana imuse
Ṣetumo ọna kika iṣẹjade, ohun orin, ati awọn iṣedede didara ṣaaju ṣiṣejade.
Awọn idahun ilẹ pẹlu awọn orisun ti o gbẹkẹle nigbakugba ti deede ba ṣe pataki.
Jeki aaye ayẹwo atunyẹwo eniyan fun awọn abajade ti o ga julọ.
Tọpinpin awọn ilana ikuna ati tunṣe awọn itọsi tabi ṣiṣan iṣẹ nigbagbogbo.
Tesiwaju Ṣiṣawari
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 Context Window Scaling 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
Itọsọna atẹle
Windows ọrọ
Awọn ibeere ti a beere nigbagbogbo
Kini YaRN Context Window Scaling?
YaRN (Sibẹsi afikun RoPE miiran) jẹ ilana kan ti o na window ọrọ-ọrọ ohun elo ti oluyipada kan ti o jinna ju ohun ti o ti ṣe ikẹkọ lori, pẹlu iṣatunṣe didara to kere julọ. O ṣe pataki nitori pe o jẹ ki awọn awoṣe ti o wa tẹlẹ mu awọn iwe aṣẹ to gun pupọ laisi ikẹkọ lati ibere.
Eto fifi koodu ipo wo ni YaRN ṣe atunṣe lati fa gigun ọrọ-ọrọ pọ si?
YaRN duro fun 'Sibẹsi afikun RoPE miiran' ati pe o ṣiṣẹ nipa atunkọ awọn igbohunsafẹfẹ iyipo ti a lo ninu Awọn ifibọ ipo Rotari.
Bawo ni YaRN ṣe tọju igbohunsafẹfẹ giga dipo awọn iwọn RoPE igbohunsafẹfẹ-kekere?
Ọna 'NTK-nipasẹ-apakan' ti YaRN ṣe itọju awọn iwọn igbohunsafẹfẹ giga-giga (agbegbe) lakoko ti o dapọ awọn igbohunsafẹfẹ-kekere (ibiti o gun) lati yago fun ibajẹ alaye agbegbe.
Kini anfani ṣiṣe bọtini ti YaRN lori ikẹkọ awoṣe ọrọ-gun lati ibere?
YaRN le fa ọrọ-ọrọ gbooro ni lilo aijọju 0.1% ti data ikẹkọ atilẹba ati nọmba kekere ti awọn igbesẹ atunṣe-itanran, din owo pupọ ju atunkọ lọ.
Yato si awọn loorekoore iwọntunwọnsi, atunṣe afikun wo ni YaRN lo lati jẹ ki akiyesi gigun ni iduroṣinṣin?
YaRN ṣe atunṣe iwọn otutu ifarabalẹ lati sanpada fun entropy/logit iyipada ti o waye nigbati awọn ilana ba pẹ pupọ.
Ohun ti isoro waye ti o ba ti o kikọ sii a awoṣe RoPE lesese jina gun ju ti o ti oṣiṣẹ lori, laisi eyikeyi igbelosoke?
RoPE ṣe akopọ ni ibi si awọn ipo gigun ti a ko rii, nitorinaa didara yoo ṣubu ayafi ti awọn igbohunsafẹfẹ ba tun iwọn.