LLM-大模型演化分支树、GPT派发展阶段及训练流程图、Infini-Transformer说明_llm的三大流派

大模型是怎么演进的？

• Encoder Only: 对应粉色分支，即BERT派，典型模型： BERT
  • 自编码模型（Autoencoder Model）：通过重建句子来进行预训练，通常用于理解任务，如文本分类和阅读理解
  • 模型像一个善于分析故事的专家，输入一段文本，能拆解的头头是道，本质上是把高维数据压缩到低维空间，
• Decoder Only: 对应蓝色分支，GPT派, 典型模型： GPT4, LLaMA
  • 自回归模型（Autoregressive Model）：通过预测序列中的下一个词来进行预训练，通常用于文本生成任务
  • 模型像一个会讲故事的专家，给点提示，就能流畅的接着自说自话
• Encoder-Decoder: 对应绿色分支，T5派, 典型模型： T5, ChatGLM
  • 序列到序列模型（Sequence to Sequence Model）：结合了编码器和解码器，通常用于机器翻译和文本摘要等任务
  • 模型像一个“完型填空专家”，是因为它特别擅长处理这种类型的任务。通过将各种NLP任务统一转换为填空问题，T5派能够利用其强大的语言理解和生成能力来预测缺失的文本。这种方法简化了不同任务之间的差异，使得同一个模型可以灵活地应用于多种不同的NLP任务，并且通常能够在多个任务上取得很好的性能
    

GPT派发展阶段

• GOOGLE 的Gopher验证了通过扩大模型规模，有效处理复杂任务的可行性
• Chinchilla模型 验证了增加数据比增加模型参数更有效
• LLaMA模型：用不到1/10的参数，实现了堪比GPT系列模型的性能，成为当下最流行的开源大模型
  

大模型训练流程图

• 第一步 预训练是鸿沟，算力占全部的99%以上，【LLaMA 模型开源后，为众多以LLaMA 为基础模型的其它模型节约的成本】
• 数据集： LLaMA 2采用互联网公开数据集，经2万亿token, 每个单词约1.3个token,相当于1.5万亿个单词，约55亿页书，
• 算法：LLaMA 及其子孙模型在传统的解码器架构上，进行了多个改进，
  • 输入数据使用了均方层规一化函数 RMSNorm,大大提升了训练的稳定性
    
  • 激活函数用swiGLU替换了ReLU,提升了非线性的表征能力
  • 不再使用位置嵌入，而是在网络每层增加了旋转嵌入RoPE，速度更快，效果更好
• 奖励建模和强化学习都是基于人类反馈强化学习RLHF【Reinforcement Learning from Human Feedback】
  • 先训一个二元分类器，给出奖励，判断人类的偏好，
  • 然后再训一个强大学习算法，最大化奖励，并据此进一步微调模型，
• SFT Model【Supervised Fine-Tuning Model】

Infini-Transformer架构

4月10日，为解决大模型（LLMs）在处理超长输入序列时遇到的内存限制问题, Google发布下一代Transformer模型Infini-Transformer
详见论文：Leave No Context Behind: Efficient Infinite Context Transformers with Infini-attention

Infini-Transformer是一种为了扩展基于Transformer的大型语言模型（LLMs）以处理无限长输入而设计的高效方法。其核心技术是Infini-attention，这是一种新的注意力机制，它通过将压缩记忆（compressive memory）整合到传统的注意力机制中，从而实现了对长序列数据的有效处理。

Infini-Attention机制

Infini-attention机制包含以下几个关键组件：

1. 局部注意力（Local Attention）：在每个输入段（segment）内，Infini-Transformer计算标准的因果点积注意力（causal dot-product attention）。这种局部注意力确保了在处理每个段时，模型仅关注当前段内的token。
2. 压缩记忆（Compressive Memory）：Infini-attention通过重用点积注意力计算中的关键（key）、值（value）和查询（query）状态，将它们存储在压缩记忆中。这种记忆允许模型在处理后续序列时，通过查询状态从记忆中检索值，从而保持对之前上下文的长期记忆。
3. 长期线性注意力（Long-term Linear Attention）：Infini-attention引入了一种线性注意力机制，它使用关联矩阵（associative matrix）来存储和检索信息。这种机制使得模型能够在保持固定数量参数的同时，处理任意长度的序列。

长期上下文建模

Infini-Transformer通过以下步骤实现长期上下文建模：

1. 记忆检索（Memory Retrieval）：在处理新的输入段时，Infini-attention使用当前的查询状态从压缩记忆中检索与之前上下文相关的信息。
2. 记忆更新（Memory Update）：随着新信息的加入，压缩记忆会被更新以反映最新的上下文信息。这个过程涉及到将新的键值对与记忆矩阵相结合，同时保持记忆的压缩性质。
3. 上下文注入（Context Injection）：Infini-attention通过学习门控标量（gating scalar）β来平衡局部注意力状态和从记忆中检索到的内容，将它们融合到最终的上下文表示中。

实验结果

在长上下文语言建模、1M长度的密钥上下文块检索和500K长度的书籍摘要任务中，Infini-Transformer展示了其有效性。实验结果表明，Infini-Transformer在长上下文任务上的性能超过了基线模型，并且在内存大小方面实现了114倍的压缩比。

总结

Infini-Transformer通过引入Infini-attention机制，使得Transformer LLMs能够有效地处理无限长的输入序列，同时保持有界的内存占用和计算资源。这种方法通过在单个Transformer块中结合局部注意力和长期线性注意力机制，实现了对长距离依赖关系的高效建模。Infini-Transformer的提出，为长序列数据的处理提供了一种新的解决方案，具有重要的理论和实践意义。