快讯科技财经汽车社会旅游娱乐时尚健康生活科学教育

热搜： “玩心很重会聊天懂印尼1月外全国人大代柳江代表：科政府工作报经典IP焕新

首页 > 科技

谷歌更新Transformer架构，更节省计算资源！50%性能提升

发布时间: 来源：量子位

观看：242

MoE正火，MoD也来了

明敏发自凹非寺
量子位 | 公众号 QbitAI

谷歌终于更新了Transformer架构。

最新发布的Mixture-of-Depths（MoD），改变了以往Transformer计算模式。

它通过动态分配大模型中的计算资源，跳过一些不必要计算，显著提高训练效率和推理速度。

结果显示，在等效计算量和训练时间上，MoD每次向前传播所需的计算量更小，而且后训练采样过程中步进速度提高50%。

这一方法刚刚发布，就马上引发关注。

MoE风头正盛，MoD已经来后浪拍前浪了？

还有人开始“算账”：

听说GPT-4 Turbo在Blackwell上提速30倍，再加上这个方法和其他各种加速，下一代生成模型可以走多远？

所以MoD如何实现？

迫使大模型关注真正重要信息

这项研究提出，现在的大模型训练和推理中，有很多计算是没必要的。

比如预测下一个句子很难，但是预测句子结束的标点符号很简单。如果给它们分配同样的计算资源，那么后者明显浪费了。

在理想情况下，模型应该只给需要准确预测的token分配更多计算资源。

所以研究人员提出了MoD。

它在输入序列中的特定位置动态分配FLOPs（运算次数或计算资源），优化不同层次的模型深度中的分配。

通过限制给定层的自注意力和MLP计算的token数量，迫使神经网络学会主要关注真正重要的信息。

因为token数量是事先定义好的，所以这个过程使用一个已知张量大小的静态计算图，可以在时间和模型深度上动态扩展计算量。

下图右上图中的橙色部分，表示没有使用全部计算资源。

这种方法在节省计算资源的同时，还能提高效率。

这些模型在等效的FLOPS和训练时间上与基线性能相匹配，但每次前向传播所需的FLOP更少，并且在训练后采样时提速50%。

对比来看，如果为每一个token生成一个概率分布，每个token根据最高概率被送去对应的“专家”，可能会导致负载不平衡。

如果反过来，这能保障负载平衡，但是可能导致某些token被过度处理或处理不足。

最后来看论文中使用的Expert-choice MoD，router输出的权重被用于确定哪些token将使用transformer亏啊计算。权重较大的token将参与计算，权重较小的token将通过残差连接绕过计算，从而解决每次向前传播的FLOPs。

最后，研究团队展示了MoD在不同实验中的性能表现。

首先，他们使用相对较小的FLOP预算（6e18），以确定最佳超参数配置。

通过这些实验，作者发现MoD方法能够“拉低并向右推移”isoFLOP基线曲线，这意味着最优的MoD方法在更低的损失水平上拥有更多的参数。

通过isoFLOP分析，比较6e18、2e19和1e20 FLOPs的总计算预算下的模型性能。

结果显示，在更多FLOP预算下，FLOP最优的MoD仍然比基线模型有更多的参数。

存在一些MoD变体，在步骤速度上比isoFLOP最优基线模型更快，同时实现更低的损失。这表明在训练之外，MoD的计算节省仍然有效。

同时，研究团队还探讨了MoD和MoE结合的可能性——MoDE。

结果表明而这结合能提供更好的性能和更快的推理速度。

网友：联想到了ResNet

MoD推出后马上引发了不小关注。

有人感慨，MoE还没有弄清楚呢，MoD都已经来了！

这么高效的方法，让人马上联想到了ResNet。

不过和ResNet不同，MoD跳过连接是完全绕过层的。

还有人表示，希望这种方法是完全动态的，而不是每个层固定百分比。

这项研究由DeepMind和麦吉尔大学共同带来。

主要贡献者是David Raposo和Adam Santoro。

他们二人都是DeepMind的研究科学家。此前共同带来了神作《Relational inductive biases, deep learning, and graph networks》。

这篇论文目前被引次数超过3500次，论文核心定义了Inductive bias（归纳偏置）概念。

论文地址：
https://arxiv.org/abs/2404.02258

参考链接：
[1]https://twitter.com/TheSeaMouse/status/1775782800362242157
[2]https://twitter.com/_akhaliq/status/1775740222120087847

美国《新闻周刊》网站2月4日刊登题为《人工智能可能会在数十年内解开人体的秘密》的文章，作者是亚历克斯·菲利普斯，内容编译如下：一位医生(同时也是一本关于新兴技术在医疗领域应用的新据韩国建国大学研究人员发表在最新一期开放获取期刊《公共科学图书馆·综合》上的一项研究，与狗共度美好时光可减轻压力，同时可增强与放松和注意力相关的脑电波。动物辅助干预措施，如犬类　　“AI钢铁侠”黄仁勋，又进化了英伟达　　作者丨倪雨晴　　2024年，英伟达一年一度的GTC大会已然成为AI界春晚，现场座无虚席，全球AI爱好者翘首以待黄仁勋的独家SOLO。　　北京时间3月19日凌晨，GTC终于拉开大幕。英伟达创 3月22日消息，今天，数码博主“数码闲聊站”曝光了一部新款千元机的部分配置。该博主表示，欧加（OPPO/一加）有个5500mAh超大电池的千元曲屏机，正在测试IP68级防尘防水效果，主打就是防水抗摔耐用。该博主最英伟达的GPU又升级了。3月19日，英伟达CEO黄仁勋发布了最新的B200算力芯片GPU，FP8精度下的训练性能是上一代的2.5倍，FP4精度下的推理性能更是达到了上一代的5倍。然而，这场技术狂欢背后，却令AI领域科学杂志《成瘾》3月21日发表的一项新研究显示，刚开始吸烟和终生吸烟都可能增加腹部脂肪，特别是内脏脂肪。内脏脂肪与心脏病、糖尿病、中风和痴呆症的高风险有关。吸烟者相较于不吸烟者，通常体。

本文链接：谷歌更新Transformer架构，更节省计算资源！50%性能提升http://www.sushuapos.com/show-2-4593-0.html

声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。

上一篇：最懂AI的诺奖经济学得主去世，大模型关键技术受他研究启发

下一篇：目标中端最强性能机！王腾确认Redmi Turbo 3下周发布

谷歌更新Transformer架构，更节省计算资源！50%性能提升

迫使大模型关注真正重要信息

网友：联想到了ResNet

热门资讯

推荐资讯

科技最热文章