▲图源Arxiv
目前Transformer在自然语言处理等领域非常流行,但由于其序列数据的处理方式是逐步进行的,无法并行化处理,因此训练速度较慢;难以处理长序列,因为其在反向传播过程中,梯度很容易消失或爆炸;此外,由于需要在每一步保留历史信息,内存消耗较大。
而Megabyte模型将输入和输出序列划分为patch,而不是单个的token。这种架构使得对大多数任务而言字节级别的预测相对容易,例如根据前几个字符预测完成的单词等。这意味着在大型网络中可以精简字符以提升效率,并且内部预测可以使用更小的模型进行。Megabyte模型的这种方法解决了当今AI模型所面临的训练速度、可靠性及硬件占用比挑战。
此外,在计算效率方面,相比于等大的Transformer和Linear Transformer,Megabyte模型在固定模型大小和序列长度范围内使用更少的token。因此相对于Transformer,Megabyte模型可以在相同的计算成本下训练内容更丰富、体积更大、性能更好的模型。
目前me
ta团队放出了Megabyte模型的论文,IT之家小伙伴可以前往查阅。