四行代碼讓大模型上下文暴增3倍，羊駝Mistral都適用
無需微調(diào)，只要四行代碼就能讓大模型窗口長度暴增，最高可增加3倍！
而且是“即插即用”，理論上可以適配任意大模型，目前已在Mistral和Llama2上試驗成功。
有了這項技術，大模型（LargeLM）就能搖身一變，成為LongLM。
近日，來自得克薩斯農(nóng)工大學等機構的華人學者們發(fā)布了全新的大模型窗口擴展方法SelfExtended（簡稱SE）。
在Mistral上，研究者在24k長度的文本中隨機插入5位數(shù)字讓模型搜索，結果經(jīng)SE處理后，呈現(xiàn)出了全綠（通過）的測試結果。
而未經(jīng)處理的版本，在6k長度時就已經(jīng)開始“見紅”了。
圖片
GitHub Copilot主創(chuàng)Alex Graveley也激動地宣布，在Llama2上進行的實驗同樣取得了成功。
圖片
在網(wǎng)友的進一步詢問之下，Alex解釋了推文中“work”的具體含義：原先在4k長度時就會出現(xiàn)的噪聲，現(xiàn)在已經(jīng)消失了。
圖片
而對于SE窗口長度的極限，一位根據(jù)論文復現(xiàn)SE代碼的大佬表示，理論上（只要算力足夠）可以達到無限長。
圖片
那么，SE具體能達到什么樣的效果呢？
長文本能力顯著增強
在窗口長度從4096增長到16384的過程中，Llama 2的困惑度從一開始變飆升了兩個數(shù)量級。
但使用SE后，文本長度變成了原來的4倍，困惑度卻只增加了0.4。
而在Mistral上，SE比Mistral自身采用的滑動窗口（SWA）機制帶來了更低的困惑度。
圖片
△左下圖使用對數(shù)坐標
在專為長文本模型設計的LongBench數(shù)據(jù)集中，SE處理后的模型在單/多文檔問答、總結、少樣本學習、代碼等任務中，評分均相比起原始版本有所提升。
特別是在一個名為SOLAR的模型上，處理后的模型在16k長度下的表現(xiàn)比原始版本在4k長度下的表現(xiàn)還要優(yōu)異。
SOLAR由兩個羊駝掐頭去尾拼接而成，這種拼接的方式，使得其注意力層結構與其他基于Transformer的模型形成了一定差異。
同時，在GSM等由考試題組成的閉域問答任務中，SE優(yōu)化后的模型也都相比原始版本取得了更高的平均成績，在Mistral上稍遜于其自身的SWA方法。
圖片
而長文本能力的增強，并沒有帶來模型在短文本上的能力下降。
在HuggingFace的OpenLLM基準下，SE版Llama2的測評成績相比原版均為發(fā)生顯著降低。
圖片
目前，SE的開箱即用版支持Phi、Llama和Mistral三種模型，在這三種模型上只需4行代碼就能進行窗口擴增。
對于其他模型，則需要對代碼進行一定修改。
圖片
那么，SE是如何給模型增加窗口長度的呢？
兩種注意力機制共同作用
研究者認為，長文本能力是大模型本身就具有的，但需要通過一定方法激發(fā)才能實現(xiàn)。
其中最主要的問題是，大模型在處理長文本時，會遇到相對位置編碼超出訓練時所見范圍的情況。
針對這一情況，作者采用了FLOOR注意力機制作為解決策略。
FLOOR對輸入的文本序列進行分組，然后用組數(shù)對某一token的絕對位置做取整除，就可以長距離將映射到較短的范圍。
然后，對這些映射值進行注意力運算，就解決了位置編碼超限的問題，實現(xiàn)了長文本的處理。
圖片
而在處理中短長度文本時，仍然使用模型原有的注意力機制，從而確保了模型不會“顧此失彼”，避免因長文本能力的增長導致短文本能力損失。
此外，在Mistral上復現(xiàn)SE的作者還坦言，目前該模型并不完美，可能存在計算量暴增的問題。
圖片
同時，SE的原作者也說，目前SE方法的確還沒有做過效率方面的優(yōu)化，未來計劃通過引入FlashAttention機制等策略來解決這一問題。
