AIGC動態(tài)歡迎閱讀

原標題：MoE也有Scaling Law，「百萬專家」利用率近100%！DeepMind華人挑戰(zhàn)MoE極限
關(guān)鍵字：專家,模型,數(shù)量,參數(shù),大小
文章來源：新智元
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

新智元報道編輯：編輯部
【新智元導(dǎo)讀】MoE已然成為AI界的主流架構(gòu)，不論是開源Grok，還是閉源GPT-4，皆是其擁躉。然而，這些模型的專家，最大數(shù)量僅有32個。最近，谷歌DeepMind提出了全新的策略PEER，可將MoE擴展到百萬個專家，還不會增加計算成本。如果你熟悉當前LLM的主流架構(gòu)，混合專家（MoE）技術(shù)想必是老朋友之一。有人甚至會說，MoE是使大模型崛起的關(guān)鍵因素之一。
開源的Mixtral、DBRX、Grok等模型都使用了MoE，而且根據(jù)Soumith Chintala等大佬的推測，GPT-4也是一個規(guī)模為8×220B的MoE模型。
類似GPT-4，多數(shù)MoE模型都會將專家數(shù)量限制在較少數(shù)量，一般不會超過16或32。
然而，DeepMind研究科學家Xu Owen He最近就在一篇發(fā)表的論文中，提出了一種全新的方法——PEER（參數(shù)高效專家檢索，Parameter Efficient Expert Retrieval），可以將專家數(shù)量擴展到百萬數(shù)量級。
論文地址：https://arxiv.org/abs/2407.04153
這究竟是如何做到的？參數(shù)量不會嗎

原文鏈接：MoE也有Scaling Law，「百萬專家」利用率近100%！DeepMind華人挑戰(zhàn)MoE極限

聯(lián)系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯(lián)網(wǎng)+邁向智能+新紀元。重點關(guān)注人工智能、機器人等前沿領(lǐng)域發(fā)展，關(guān)注人機融合、人工智能和機器人對人類社會與文明進化的影響，領(lǐng)航中國新智能時代。