只是换掉Transformer架构,立马性能全方位提升,问鼎同规模开源模型!
(注意力机制不存在了)
这就是最新Falcon Mamba 7B模型。
它采用Mamba状态空间语言模型架构来处理各种文本生成任务。
通过取消传统注意力机制,有效提升了模型处理长序列时计算效率低下的问题。
它可以处理无限长序列,但内存需求不增加。
无论上下文多长,生成每个token的时间基本一样。
由此,Falcon Mamba模型性能全方位提升,打败一众Transformer架构模型,如Llama-3.1(8B)、Mistral(7B)以及Falcon-2(11B)。
图片
如上成果由阿联酋阿布扎比技术创新研究所(TII)带来,他们正是Falcon模型的开发团队。
该系列共包含四个模型:基础版本、指令微调版本、4bit版本和指令微调4bit版本。
最新模型遵循TII Falcon License 2.0开放协议,它在Apache 2.0协议下。
围观网友直呼:游戏规则要改变了!
全球首个开源SSLM
在性能上,Falcon Mamba 7B全方位超越一众开源模型。
它基于第一代Mamba。
Mamba是一种状态空间模型(SSM,State Space Model)。它结合了RNN和CNN的特点,通过引入一种选择机制,它允许模型根据当前的输入有选择地传播或忘记信息,从而提高处理文本信息的效率。
同时,它设计了一种硬件感知的并行算法,以递归模式运行,避免了GPU内存层级之间IO访问,提高计算效率。
最后它还简化了架构,将SSM架构和Transformer中的MLP块结合为单一的块。
从Transformer换到Mamba,能够让Falcon模型可以处理任意长序列,但无需增加内存。尤其适合单个A10 24GB GPU。
研究还讨论了两种不同的处理序列方法。
并行预填充方法适用于GPU并行处理,对内存需求较高;顺序填充方法适用于SSM模型,可以处理任意长度序列,从而不会受到内存限制。
为了确保大规模训练稳定,Falcon Mamba模型使用了额外的RMS标准化层。
RMS标准化层能够简化LayerNorm的计算过程,可减少计算量。
模型使用了5500GT数据训练,这些数据主要来自RefedWeb数据集以及公开数据。训练过程基本匀速,在训练后期增加了一小部分高质量策划数据,这有助于模型在最后阶段的优化。
在H100上,批大小为1、提示词长度为1-130k生成token的测试中,Falcon Mamba能够在生成新token时保持稳定的吞吐量,这意味着它的性能不受文本长度影响,可以稳定处理长序列,不会出现性能下降情况。
图片
Falcon Mamba支持多种Hugging Face API,包括AutoModelForCausalLM、pipline。
还推出了一个指令调优版本,通过额外50亿个token进行微调,可以让模型准确性更高。
在Hugging Face、GitHub上都可访问最新模型~