RWKV-7:极先进的大模型架构,长文本能力极强

RWKV-7 是极先进的最新大模型架构,超越 attention / linear attention 范式,拥有强大的 in-context-learning(上下文学习)能力,可真正持续学习,在保持 100% RNN 的同时,拥有极强的长文本能力。

RWKV-7 架构性能表现

RWKV-7 的大海捞针测试

RWKV-7-World 0.1B(L12-D768)在 ctx 4k 预训练 1T tokens(world-v2.8),无需任何微调,即可完美通过 ctx 16k 的大海捞针。且 world 系列模型支持全球 100+ 种语言和代码。

RWKV-7-Pile 0.4B(L24-D1024)在 ctx 4k 预训练 0.3T tokens(pile),无需任何微调,即可完美通过 ctx 16k 的大海捞针。

RWKV-7 的长文本外推测试

RWKV-7-Pile 系列模型,在 ctx 4k 预训练 0.3T tokens(pile),无需任何微调,即可自动外推到 ctx 32k+ 长度,且 ppl 随 ctx 增加持续稳步下降,说明还远未达到它的外推极限。

下面是 RWKV-7 与 Mamba 的对比,所有模型(除-slimpj)都是在 Pile 训练:

评测代码由社区完成:github.com/Jellyfish04...

Pile 模型横向评测

我们对多款 Pile 模型 进行了综合测评。这里的所有模型,基于相同的 EleutherAI/pile 数据集训练,并使用相同的分词器(tokenizer)进行推理,所以是真正公平公正的模型性能对比。

我们对比了以下模型,涵盖 0.1B、0.4B、1.5B 三种参数:

  • RWKV-7 "Goose"(例如 L12-D768, lr 8e-4 to 3e-5 cosine decay, wd 0.1, bsz 8x30x4096,随机初始化。我们没有使用任何"技巧"提升性能,训练过程非常稳定,无任何毛刺,完全可复现,欢迎联系我们复现)
  • RWKV-4 "Dove"
  • Mamba(我们发现 Mamba 在实际训练中很不稳定,这里使用的是他们提供的模型,我们无法验证他们是否使用了"技巧"提升性能)
  • Pythia

从评测结果,可见 RWKV-7-Pile 在各项英文和多语言测试中,都拥有显著优势:

注意 RWKV-7 拥有显著更强的 ReCoRD 评分,这是长文本材料问答任务,表明 RWKV-7 能够更好地理解和使用长文本的信息。

此外,我们训练了两个"深窄"(更多的层数和更小的维度)的 RWKV-7-Pile 0.1B 模型 ,分别是 L25-D576 和 L33-D512,它们的综合性能更强:

这表明 RWKV 架构可通过使用"深窄"尺寸,进一步提升性能。

0.1B 模型横向评测

RWKV-7-World-0.1B 是全球最强的 0.1B 多语言模型,在 world-2.8(1T tokens)数据训练后,拥有一流的英文能力,且多语言能力显著超越所有 0.1B 模型,支持全球 100+ 种语言和代码。

注意 RWKV-7-World-0.1B 在模型设计上保持 L12-D768 尺寸,而非 SmolLM2 的 L30-D576 尺寸。更少的神经网络层数(L12)使得 RWKV-7 的速度更快,更适合边缘设备等资源受限的推理场景,而且微调训练所需的数据和计算资源也更低。

这里的所有 RWKV 模型均已开源发布:HuggingFace 下载链接

RWKV-7-World-0.1B 生成案例

作为仅 0.1B 参数的 L12-D768 小模型,RWKV-7-World-0.1B 拥有超越其尺寸的综合能力。以下是 RWKV-7-World-0.1B 的生成案例(使用 RWKV-Runner 运行):

![multilang-case-jpn](files.mdnice.com/user/69593/... =90%x)

![multilang-case-chn-novel](files.mdnice.com/user/69593/... =85%x)

其中的部分生成内容不准确,但考虑到,这是一个 0.1B L12-D768 的基底模型,尚未做任何 post-training,其性能可谓令人惊讶。

在 Huggingface Gradio Demo 测试 RWKV-7-World 0.1B

我们正在训练更大参数的 RWKV-7 模型,具体的发布计划请见后文。

RWKV-7 架构介绍

RWKV-7 采用了动态状态演化(Dynamic State Evolution),超越了 attention / linear attention 范式 TC0 表达能力的根本限制。RWKV-7 拥有 NC1 的表达能力,使其可以解决许多 attention 无法解决的问题。

简单地说,传统注意力机制(如 Transformer 的 QKV-softmax-attention)会将多个 { <math xmlns="http://www.w3.org/1998/Math/MathML"> k , v k, v </math>k,v}(key 和 value 的向量对)存储起来,通过 q(query,查询向量)去匹配 key,得到对应的 value 输出。

RWKV-7 不直接存储 { <math xmlns="http://www.w3.org/1998/Math/MathML"> k , v k, v </math>k,v} 对,而是通过动态计算更新 state,从上下文动态学习 key 和 value 之间的关系,再使用更新后的 state 处理新的输入 <math xmlns="http://www.w3.org/1998/Math/MathML"> q q </math>q(在 RWKV 中是 <math xmlns="http://www.w3.org/1998/Math/MathML"> r r </math>r) 并得到输出。

具体而言,RWKV-7 模型拥有一个内部模型 <math xmlns="http://www.w3.org/1998/Math/MathML"> v ≈ k S ⊤ v ≈ k S^\top </math>v≈kS⊤ 。它需要拟合一个简单的目标:对于给定的两个向量序列 { <math xmlns="http://www.w3.org/1998/Math/MathML"> k t k_t </math>kt} 和 { <math xmlns="http://www.w3.org/1998/Math/MathML"> v t v_t </math>vt},通过 <math xmlns="http://www.w3.org/1998/Math/MathML"> S S </math>S(state)把 <math xmlns="http://www.w3.org/1998/Math/MathML"> k i k_i </math>ki 转化为 <math xmlns="http://www.w3.org/1998/Math/MathML"> v i v_i </math>vi ,输出的 <math xmlns="http://www.w3.org/1998/Math/MathML"> v v </math>v 需要和目标的 <math xmlns="http://www.w3.org/1998/Math/MathML"> v v </math>v 尽量接近。

为实现这个目标,RWKV-7 在推理时,对于 L2 损失函数 <math xmlns="http://www.w3.org/1998/Math/MathML"> L = 1 2 ∥ v − k S ⊤ ∥ 2 \mathcal{L} = \frac{1}{2} \| v - k S^\top \|^2 </math>L=21∥v−kS⊤∥2 自动模拟出动态的梯度下降,以此来持续训练内部模型 <math xmlns="http://www.w3.org/1998/Math/MathML"> v ≈ k S ⊤ v ≈ kS^\top </math>v≈kS⊤。

因此,RWKV-7 是一个真正的持续学习模型。

有关 RWKV-7 的更详细设计思路(公式、伪代码等),请查看文章:RWKV-7 as a meta-in-context learner,从第一性原理真正理解

这种动态 State 演化机制,使得 RWKV-7 更擅长处理长上下文内容,拥有显著更强的长文本能力,且生成的内容更少出现自我重复,比各种 Transformer 和 RWKV-6 版本看上去更有连贯的思路。

RWKV-7 的架构图:

![rwkv-7-architecture](files.mdnice.com/user/69593/... =70%x)

RWKV-7 的训练和推理

RWKV-7 架构的训练和推理代码均已定稿,架构论文正在由彭博和社区成员联合撰写,欢迎大家参与,可在 EleutherAI 的 Discord 搜索 RWKV-papers 频道。

RWKV-7 训练代码可在 RWKV-LM 仓库中查看,RWKV-PEFT 项目已支持微调 RWKV-7 模型。

推理方面,RWKV pip 0.8.28 版本、web-rwkvAi00RWKV Runner 等 RWKV 推理工具均已支持 RWKV-7 模型。

RWKV-7 模型发布计划

我们正在训练更大的 RWKV-7-World 模型,路线图如下:

模型 数据集 计划发布日期
RWKV-7-0.4B World-v2.9(2T) 2025年1月上旬
RWKV-7-1.5B World-v3(3.1T) 2025年1月下旬
RWKV-7-2.9B World-v3(3.1T) 2025年2月中旬

请关注我们的公众号"元始智能",第一时间接收 RWKV-7 的最新动态!

加入 RWKV 社区

RWKV 是一种创新的深度学习网络架构,它结合了 Transformer 与 RNN 的优点,同时实现高度并行化训练与高效推理。

欢迎大家加入 RWKV 社区!您可从 RWKV 官网了解 RWKV 模型,也可加入我们的 QQ 频道和群聊,一起探讨 RWKV 模型。

相关推荐
AI视觉网奇16 分钟前
人脸生成3d模型 Era3D
人工智能·计算机视觉
call me by ur name19 分钟前
VLM--CLIP作分类任务的损失函数
人工智能·机器学习·分类
吃个糖糖33 分钟前
34 Opencv 自定义角点检测
人工智能·opencv·计算机视觉
禁默34 分钟前
2024年图像处理、多媒体技术与机器学习
图像处理·人工智能·microsoft
KeepThinking!40 分钟前
YOLO-World:Real-Time Open-Vocabulary Object Detection
人工智能·yolo·目标检测·多模态
AIGCmagic社区44 分钟前
AI多模态技术介绍:理解多模态大语言模型的原理
人工智能·语言模型·自然语言处理
图王大胜1 小时前
模型 双螺旋(通俗解读)
人工智能·管理·系统科学·认知科学·生命科学·战略规划·通识科学
机器之心1 小时前
AAAI 2025|时间序列演进也是种扩散过程?基于移动自回归的时序扩散预测模型
人工智能·后端
dwjf3211 小时前
机器学习(四)-回归模型评估指标
人工智能·机器学习·线性回归
吕小明么1 小时前
OpenAI o3 “震撼” 发布后回归技术本身的审视与进一步思考
人工智能·深度学习·算法·aigc·agi