AIGC動態歡迎閱讀

原標題：匿名論文提出奇招！增強大模型長文本能力居然還能這么做
關鍵字：文本,模型,上下文,模塊,作者
文章來源：量子位
內容字數：5062字

內容摘要：

豐色 發自 凹非寺量子位 | 公眾號 QbitAI一提到提高大模型長文本能力，就想到長度外推或者上下文窗口擴展？
不行，這些都太費硬件資源了。
來看一個奇妙新解：
和長度外推等方法使用KV緩存的本質不同，它用模型的參數來存儲大量上下文信息。
具體辦法就是建一個臨時Lora模塊，讓它僅在長文本生成過程中“流式更新”，也就是用先前生成的內容不斷作為輸入來充當訓練數據，以此保證知識被存進模型參數中。
然后一旦推理完成，就丟掉它，保證不對模型參數產生長久影響。
這個方法可以讓我們不用擴展上下文窗口的同時，隨便存儲上下文信息，想存多少存多少。
實驗證明，這種方法：
既可以顯著提高模型長文本任務質量，實現困惑度下降29.6%，長文本翻譯質量（BLUE得分）提高53.2%；
還能兼容并增強現有大多數長文本生成方法。
最重要的是，能大大降低計算成本。
在保證生成質量小幅提升（困惑度降低3.8%）的同時，推理所需的FLOPs降低70.5%、延遲降低51.5%！
具體情況，我們翻開論文來看。
建個臨時Lora模塊用完即丟該方法名叫Temp-Lora，架構圖如下：
其核心就是以自回歸的方式用先前生成的文本上

原文鏈接：匿名論文提出奇招！增強大模型長文本能力居然還能這么做

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破