来自"欧洲OpenAI"的"最强7B开源模型"Mistral最近可谓是圈粉无数。
它各方面的测试指标全面超越了13B的Llama2,甚至让一众网友觉得羊驼不香了。
最新消息是,Mistral AI团队已经发布了相关论文,透露背后的技术细节。
Mistral不仅全面战胜了13B Llama2,在数学、代码和推理方面,34B的Llama1也不是Mistral的对手。
在推理任务上,Mistral的表现更是直逼10倍参数量的Llama2-70B。
但Mistral消耗的资源却很少,只需要6GB显存,MacBook就能流畅运行。
为了用更少消耗达到更好的效果,Mistral可谓是使出了浑身解数。
那么关于Mistral的这篇论文都透露了哪些技术信息呢?
多种机制降低运算消耗
基础结构上,Mistral基于Transformer架构设计,一共有32个n_layer,上下文长度达到了8192 token。
具体的参数如下表所示:
而Mistral能做到高性能低消耗,则要归功于所用到的多种优化策略。
首先是最核心的注意力机制,其直接作用是减少计算量,具体包括了两个方面。
第一种是滑动窗口(Sliding Window)注意力机制。
推理阶段中,会设定出一个窗口长度,并在划分出的注意力层范围之内进行注意力运算,而不是针对全文。
通过滑动方式,各注意力层之间会有所重叠,从而实现长文本序列的处理。
4096的长度,理论上可以处理13.1万token。
这种注意力机制和标准注意力相比,可以将速度提升到两倍。
另一种则是分组查询(Grouped-query)注意力机制。
这种机制将查询(query)拆分成多个组,每个组只与key的一个子集进行注意力运算,然后拼接出结果。
这样不仅能降低运算量,也能让组间通信次数减少,并提高查询吞吐。
除了在注意力机制上下功夫,开发者还引入了滚动缓冲区缓存(Rolling Buffer Cache)。
这种存储方式固定了缓冲区的大小,从而限定了内存消耗的最大值。
如果把缓冲区比作一座仓库,每存进一个新东西,都会占据相应的位置。
而仓库的总容量是固定的,当仓库被装满时,就会把最先放入的东西移除,让新的物品继续进仓。
但入仓时间更接近的物品则会留在仓库中,就能在节约资源的同时保留一定长度的序列。
利用这种缓存机制,只要缓冲区大小设置得合理,就能实现预算效率与记忆力的平衡。
此外还有一种预填充和分块机制,它的直接作用是减少重复运算。
假如需要处理一个很长的句子,那么这个句子将被分割成小块。
训练完前面的小块之后,再加入后面的块,以此类推......
这样存储空间中就有了前面的块信息,用来建立长序列。
这种方式避免了从头开始的重复运算,从而使效率得到了提升。
以上就是开发者在Mistral中使用的优化策略,而为了评估模型的泛化能力,开发者使用了HF上的公开数据集进行了指导性微调。
结果Mistral的表现全面超过了13B参数的Llama 2,其中推理技能更是与70B版本十分接近。
单块3090即可微调
Mistral的火爆程度,直接让第三方工作室也推出了微调教程。
据介绍,用这种方法微调之后,可以进一步提升Mistral的性能并降低消耗。
而这个微调的过程,用一块3090就能完成。
首先是根据使用目的准备数据集,转化为prompt形式并划分出训练和验证集。
然后是对模型进行初始化,加载Mistral并设置4-bit量化和Lora等参数。
接着是构建Trainer,输入数据、模型等信息正式开始训练,然后测试并保存。
具体的细节可以到教程原文中去了解。
论文地址:
https://arxiv.org/abs/2310.06825
微调教程:
本文来源量子位,如有侵权请联系删除