Transformer挑戰者出現!斯坦福CMU聯合團隊,模型代碼都開源

2023-12-5 62 12/5

來自FlashAttention作者

現在ChatGPT等大模型一大痛點:

處理長文本算力消耗巨大
,背後原因是
Transformer架構中注意力機制的二次複雜度

FlashAttention作者Tri Dao
參與提出的新架構,成爲有力挑戰者,引起大量關注:

曼巴
(曼巴,一種蛇),在語言任務上擊敗/匹配Transformer性能,具有
線性複雜度

5倍推理吞吐量

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

具體來說,Mamba在語言、音頻、DNA序列模態上都實現SOTA。

在最受關注的語言任務上,
Mamba-3B超越同等規模的Transformer,與兩倍大的Transformer匹敵

並且相關代碼、預訓練模型checkpoint都已開源。

兩位作者的解讀都獲得大量轉發。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

有網友發現,連在線預測平臺上的“Transformer在2027年還是SOTA嗎?”都在這一天出現明顯下降。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

有選擇處理信息+硬件感知算法。

Mamba是一種
狀態空間模型
(SSM,狀態空間模型)。

建立在更現代的適用於深度學習的
結構化SSM
(S4, Structured SSM)基礎上,與經典架構RNN有相似之處。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

在先前研究的Mamba主要有三點創新:

  • 對輸入信息有選擇性處理
  • 硬件感知的算法
  • 更簡單的架構

選擇性狀態空間模型

作者認爲,
序列建模的一個基礎問題是把上下文壓縮成更小的狀態

從這個角度來看,注意力機制雖然高性能但低效率,需要顯式地存儲整個上下文(也就是KV緩存),直接導致訓練和推理消耗算力大。

類RNN的循環神經網絡具有有限的狀態,高效,但性能受到對上下文壓縮程度的限制。

Mamba的解決辦法,是讓模型對信息有選擇性處理,可以關注或忽略傳入的內容,即使狀態大小固定也能壓縮上下文。

一個直觀的類比:

Transformer就像人類每寫一個字之前,都把前面的所有字+輸入都複習一遍,所以寫的慢。

RNN每次只參考前面固定的字數,寫的快,但容易忘掉更前面的內容。

Mamba每次參考前面所有內容的一個概括,越往後寫對前面內容概括得越狠,丟掉細節保留大意。

在其前身結構化狀態空間模型(S4)中,四個參數A、B、C、∆都是固定的,不隨輸入變化。

在Mamaba中,作者讓這些參數B、C、∆成爲輸入的函數,讓模型能夠根據輸入內容自適應地調整其行爲。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

硬件感知的狀態擴展

爲了讓古老的SSM在現代GPU上也能高效計算,Mamba中使用了
FlashAttention同款技術。

核心思想是利用內存的不同層級結構處理SSM的狀態,減少高帶寬但慢速的HBM內存反覆讀寫這個瓶頸,具體來說:

  • 在更高速的SRAM內存中執行離散化和遞歸操作,再將輸出寫回HBM。
  • 通過並行掃描算法實現並行化。
  • 當輸入從HBM加載到SRAM時,中間狀態不被保存,而是在反向傳播中重新計算。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

簡化的SSM架構

將大多數SSM架構的基礎塊,與現代神經網絡中普遍存在的門控MLP相結合,組成新的Mamba塊。

重複這個塊,與歸一化和殘差連接結合,構成Mamba架構。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

實驗結果

Mamba在Chinchilla縮放定律下預訓練時,語言任務優於同類開源模型。

對比對象中的
變壓器+ +
爲標準GPT-3架構加上谷歌PaLM和Meta Llama中的改進方案,也就是已知最強Transformer配方。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

下游任務上,
每個規模尺寸的Mamba都是同類最佳
,並且通常與兩倍規模的基線性能匹配。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

特別是當序列長度增加到512k時,相
比使用FlashAttention-2的Transformer快幾個數量級
,而且不會內存不足。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

Transformer的下一步?

最終,Mamba是
第一個真正實現匹配Transformer性能的線性時間序列模型
,無論是在預訓練困惑度還是下游任務評估方面。

並且在音頻和DNA序列建模上也優於之前的SOTA模型,表現出一定的通用性。

作者在結論中提出,
Mamba是通用序列模型骨幹的有力候選者

Stability AI創始人當即表示關注。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

英偉達科學家Jim Fan也對Transformer的挑戰者出現感到興奮。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

論文兩位作者Albert Gu和Tri Dao,博士都畢業於斯坦福大學,導師爲Christopher Ré。

艾伯特固
現在是CMU助理教授,多年來一直推動SSM架構發展。

他曾在DeepMind 工作,目前是
Cartesia的
的聯合創始人及首席科學家。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

三刀
,以FlashAttention、FlashDecoding系列工作聞名,現在是普林斯頓助理教授,和Together AI首席科學家,也在Cartesia AI擔任顧問。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

Cartesia AI公司介紹中提到致力於基於新架構構建下一代基礎模型,現在看來主要就是指創新的SSM架構。

聯創及CEO 
卡蘭高爾
同爲斯坦福博士畢業,也是Mamba的前身S4論文作者之一。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

對於Mamba的下一步,在論文中有提到“探索新架構是否能適用於Transformer已建立起的豐富大模型生態”。

其中包括微調、自適應、提示學習、上下文學習、指令微調、RLHF、量化……也就是要把基礎模型發展成GPT-3.5、Llama同類的助手模型了。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

但作者也提到,目前的實驗規模較小,要全面評估SSM是否能與Transformer和其他架構如RWKV、微軟RetNet競爭,至少還需要驗證7B規模。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

在擴展SSM的過程中,還會遇到新的工程挑戰和對模型的調整,論文中沒有涉及。

最後,Albert Gu還分享了爲什麼把新架構起名爲一種毒蛇的名字:

速度快、對序列建模問題很致命、前身S4是SSSS(嘶嘶嘶嘶)。

Transformer挑战者出现!斯坦福CMU联合团队,模型代码都开源

論文:

https://arxiv.org/abs/2312.00752

參考鏈接:

[1]https://twitter.com/_albertgu/status/1731727672286294400

[2]https://twitter.com/_albertgu/status/1731727672286294400