AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


大模型直接预测下一个句子,更快、更准、更长!
发布日期:2024-09-27 18:31:48 浏览次数: 1754 来源:机智流


近日,ArXiv上一篇名为《SentenceVAE:Enable Next-sentence Prediction for Large Language Models with Faster Speed, Higher Accuracy and Longer Context》的论文引起了国外网友的讨论。

  • 论文链接:

    https://arxiv.org/abs/2408.00655
  • 代码仓库:

    https://github.com/BestAnHongjun/SentenceVAE

模型方法

论文中,作者指出,当前主流的大模型大多采用token-by-token的自回归方式进行推理,这种方式严重限制了大模型的推理速度。为了解决这一问题,作者团队提出了一种新颖的推理方式:Next-sentence Prediction,使用大模型直接预测下一个句子。

为了实现这一方式,作者团队首先使用大量语料预训练了一个小模型——句子变分自编码器(Sentence Variational Autoencoder, SentenceVAE),由一个句子编码器和一个句子解码器构成,分别仅有1~4层。其中,句子编码器可以将一个句子中的多个token编码为一个单独的嵌入向量(Sentence-level Token),句子解码器可以将该嵌入向量还原为原始句子中的多个token。

通过将句子编码器和解码器分别嫁接在当前主流大模型的首尾,并加以微调,大模型便可以工作在Sentence-level的嵌入空间,升级为Sentence-level LLM (SLLM)!

更快的推理速度

假设有一句话含有10个token,在当前LLM逐token生成的方式下,大模型需要迭代10次,而SLLM进需要迭代1次,从而大幅提升了大模型的推理速度。

作者团队将深度为1~4层的SentenceVAE分别嫁接在OPT-125M、OPT-350M、OPT-1.3B模型的首尾(SLLM),并将原始OPT模型(LLM)作为基线(baseline)进行实验。实验结果表明,SLLM的token生成速度相比各LLM可分别提升200~300%!

同时,随着主体LLM参数量的增加,SentenceVAE推理所占用的计算资源比例将逐渐降低,从而获得更高的速度收益。也就是说,模型越大,提速越明显!

更低的困惑度

作者团队使用上述同样的方式在万卷数据集上进行实验,发现SLLM相比LLM困惑度分别降低了46~75%!

作者在文中指出,困惑度降低的原因可能在于:

  1. 通过SentenceVAE,SLLM可以在更高的句子语义层次对自然语言进行理解;
  2. 同样的上下文长度,在SentenceVAE的帮助下,SLLM相比LLM可以处理相对更少的token数量,从而在Attention操作时使注意力分布更加集中。

更长的上下文长度

作者团队同样实验了生成相同上下文长度时的显存占用情况,发现SLLM相比LLM显存占用分别降低了86~91%! 这使得在相同显存资源条件下,SLLM可以支持更长上下文的推理。

SLLM的Scaling Law

虽然作者团队仅在125M-1.3B参数规模的大模型上进行了验证性的实验,但是在实验过程中,他们发现SLLM同样遵循Scaling Law,意味着该架构可以推广至更大规模的模型。

国外网友的讨论

一位ID名称为Tunadorable网友阅读该文并在YouTube上发表了对SentenceVAE的见解后,迅速引起了国外网友的讨论。

有不少网友表达了对该想法的肯定:

有网友头脑风暴称,SentenceVAE或许是“文本扩散模型”的良好基础。

LinkedIn上也有网友表示,SentenceVAE或许是主流大模型的下一个重大趋势!

当然,也有网友犀利地指出了这项工作的不足,比如:

  • 工作仍然处于比较初步的阶段,目前仅在英文数据集上进行了实验
  • 在分割句子时暂时采用的是按照标点符号进行分割的方法,在对于一些诸如代码生成、CSV文件生成的任务上可能会有严重不足,需要有基于学习机制的分句器来更新

来自作者团队的回复

在AlphaXiv社区中,作者对网友的部分讨论进行了回复:

作者表示,他们当前的工作主要是为了验证Sentence-level范式的可行性,因此在分割句子时采用了使用标点符号分割这种便捷的方式。作者表达了对“可学习分句模型”想法的肯定,并表示这的确是他们下一阶段的计划。

结语

虽然SentenceVAE这项工作仍然处于比较初步的探索阶段,但我们不可否认他在构建更快、更准、更长的大模型架构上的巨大潜力。让我们共同期待!


53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询