AIGC動態(tài)歡迎閱讀

原標(biāo)題：誰能撼動Transformer統(tǒng)治地位？Mamba作者談LLM未來架構(gòu)
關(guān)鍵字：模型,狀態(tài),注意力,架構(gòu),機(jī)制
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：16785字

內(nèi)容摘要：

機(jī)器之心編譯
機(jī)器之心編輯部自 2017 年被提出以來，Transformer 已成為 AI 大模型的主流架構(gòu)，未來這種情況是一直持續(xù)，還是會有新的研究出現(xiàn)，我們不妨先聽聽身處 AI 圈的研究者是怎么想的。在大模型領(lǐng)域，一直穩(wěn)站 C 位的 Transformer 最近似乎有被超越的趨勢。
這個(gè)挑戰(zhàn)者就是一項(xiàng)名為「Mamba」的研究，其在語言、音頻和基因組學(xué)等多種模態(tài)中都達(dá)到了 SOTA 性能。在語言建模方面，無論是預(yù)訓(xùn)練還是下游評估，Mamba-3B 模型都優(yōu)于同等規(guī)模的 Transformer 模型，并能與兩倍于其規(guī)模的 Transformer 模型相媲美。論文一經(jīng)發(fā)表，引起了不小的轟動。驚嘆之余，大家發(fā)現(xiàn)論文作者只有兩位，一位是卡內(nèi)基梅隆大學(xué)機(jī)器學(xué)習(xí)系助理教授 Albert Gu，另一位是 Together.AI 首席科學(xué)家、普林斯頓大學(xué)計(jì)算機(jī)科學(xué)助理教授（即將上任）Tri Dao。
這項(xiàng)研究的一個(gè)重要創(chuàng)新是引入了一個(gè)名為「選擇性 SSM（ selective state space model）」的架構(gòu)，相比于 Transformer 中的自注意力機(jī)制的計(jì)算量會隨著上下文長度的增

原文鏈接：誰能撼動Transformer統(tǒng)治地位？Mamba作者談LLM未來架構(gòu)

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺