목차
단계적 증류
실험 결과
기술 주변기기 일체 포함 증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

May 18, 2023 pm 06:31 PM
데이터 모델

대규모 언어 모델은 놀라운 기능을 갖추고 있지만 규모가 크기 때문에 배포에 필요한 비용이 막대한 경우가 많습니다. 워싱턴대학교는 Google Cloud Computing Artificial Intelligence Research Institute 및 Google Research와 함께 이 문제를 더욱 해결하고 모델 훈련에 도움이 되는 Distilling Step-by-Step 패러다임을 제안했습니다. LLM에 비해 이 방법은 소규모 모델을 훈련하고 이를 특정 작업에 적용하는 데 더 효과적이며 기존의 미세 조정 및 증류보다 훈련 데이터가 덜 필요합니다. 벤치마크 작업에서 770M T5 모델이 540B PaLM 모델보다 성능이 뛰어났습니다. 놀랍게도 그들의 모델은 사용 가능한 데이터의 80%만 사용했습니다.

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

대형 언어 모델(LLM)은 인상적인 소수 학습 기능을 보여주었지만 이러한 대규모 모델을 실제 애플리케이션에 배포하는 것은 어렵습니다. 1,750억 매개변수 규모의 LLM을 제공하는 전용 인프라에는 최소 350GB의 GPU 메모리가 필요합니다. 게다가 오늘날의 최첨단 LLM은 5,000억 개가 넘는 매개변수로 구성되어 있으며, 이는 더 많은 메모리와 컴퓨팅 리소스가 필요하다는 것을 의미합니다. 이러한 컴퓨팅 요구 사항은 짧은 대기 시간이 필요한 애플리케이션은 물론이고 대부분의 제조업체에서도 감당할 수 없는 수준입니다.

대형 모델의 이러한 문제를 해결하기 위해 배포자는 종종 더 작은 특정 모델을 대신 사용합니다. 이러한 작은 모델은 미세 조정 또는 증류와 같은 일반적인 패러다임을 사용하여 학습됩니다. 미세 조정은 사람이 주석을 추가한 다운스트림 데이터를 사용하여 사전 훈련된 소규모 모델을 업그레이드합니다. Distillation은 더 큰 LLM에서 생성된 레이블을 사용하여 똑같이 더 작은 모델을 교육합니다. 불행하게도 이러한 패러다임은 모델 크기를 줄이는 동시에 비용이 발생합니다. LLM과 비슷한 성능을 달성하려면 미세 조정에 값비싼 인적 레이블이 필요한 반면, 증류에는 얻기 어려운 레이블이 없는 대량의 데이터가 필요합니다.

"Distilling Step-by-Step! Outperforming Larger Language Models with Less Training Data and Smaller Model Sizes"라는 제목의 논문에서 워싱턴 대학과 Google의 연구원들은 새로운 간단한 메커니즘을 소개했습니다. ——Distilling step-by-step, 더 적은 훈련 데이터를 사용하여 더 작은 모델을 훈련하는 데 사용됩니다. 이 메커니즘은 LLM을 미세 조정하고 정제하는 데 필요한 훈련 데이터의 양을 줄여 모델 크기를 더 작게 만듭니다.

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

문서 링크: https://arxiv.org/pdf/2305.02301v1.pdf

이 메커니즘의 핵심은 관점을 바꾸고 LLM을 다음과 같은 것으로 간주하는 것입니다. 시끄러운 라벨의 소스가 아닌 추론 에이전트가 될 수 있습니다. LLM은 모델에서 예측한 레이블을 설명하고 지원하는 데 사용할 수 있는 자연어 근거를 생성할 수 있습니다. 예를 들어, "신사가 골프 장비를 갖고 있는데, 그가 갖고 있는 것은 무엇입니까? (a) 클럽, (b) 강당, (c) 명상 센터, (d) 컨퍼런스, (e) 교회"라고 질문하면 LLM은 "(a) ) 클럽'을 CoT(사상연쇄) 추론을 통해 설명하고, '답은 골프를 치는 데 사용되는 것이 틀림없다'고 설명하여 이 라벨을 합리화합니다. 위의 선택 중 골프에는 클럽만 사용됩니다. 우리는 이러한 정당화를 다중 작업 훈련 설정에서 더 작은 모델을 훈련하고 레이블 예측 및 정당화 예측을 수행하기 위한 추가적인 풍부한 정보로 사용합니다.

그림 1에서 볼 수 있듯이 단계적 증류는 특정 작업에 대한 작은 모델을 학습할 수 있으며 이러한 모델의 매개변수 수는 LLM의 1/500 미만입니다. 또한 단계적 증류는 기존의 미세 조정이나 증류보다 훨씬 적은 수의 훈련 예제를 사용합니다.

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

실험 결과에 따르면 4가지 NLP 벤치마크 중 세 가지 유망한 실험 결론이 있습니다.

  • 먼저, 미세 조정 및 증류에 비해 단계적 증류 모델은 다양한 데이터 세트에서 더 나은 성능을 달성하여 훈련 인스턴스를 평균 50% 이상(최대 85% 이상) 줄입니다.
  • 둘째, 우리 모델은 더 작은 모델 크기(최대 2000배 더 작음)에서 LLM보다 성능이 뛰어나 모델 배포에 필요한 계산 비용을 크게 줄입니다.
  • 셋째, 이 연구는 모델의 크기를 줄이는 동시에 LLM을 능가하는 데 필요한 데이터의 양도 줄였습니다. 연구진은 770M T5 모델을 사용해 540B 매개변수로 LLM의 성능을 능가했다. 이 작은 모델은 기존 미세 조정 방법의 레이블이 지정된 데이터 세트의 80%만 사용합니다.

레이블이 지정되지 않은 데이터만 있는 경우에는 소형 모델의 성능이 LLM보다 여전히 좋습니다. 11B T5 모델만 사용해도 540B PaLM의 성능을 초과합니다.

이 연구에서는 더 작은 모델이 LLM보다 성능이 떨어지는 경우 단계적 증류가 표준 증류 방법보다 레이블이 지정되지 않은 추가 데이터를 더 효과적으로 활용하여 더 작은 모델을 LLM의 성능과 비교할 수 있음을 보여줍니다.

단계적 증류

연구원들은 LLM의 추론 능력을 사용하여 예측을 예측하여 데이터 효율적인 방식으로 더 작은 모델을 훈련시키는 단계적 증류의 새로운 패러다임을 제안했습니다. 전체 프레임워크는 그림 2에 나와 있습니다.

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

패러다임에는 두 가지 간단한 단계가 있습니다. 첫째, LLM과 레이블이 지정되지 않은 데이터세트가 주어지면 LLM이 출력 레이블과 레이블에 대한 정당성을 생성하도록 요청합니다. 이론적 근거는 자연어로 설명되며 모델에서 예측한 레이블에 대한 지원을 제공합니다(그림 2 참조). 정당화는 현재 자체 감독 LLM의 새로운 행동 속성입니다.

그런 다음 작업 레이블 외에도 이러한 이유를 사용하여 더 작은 다운스트림 모델을 교육합니다. 직설적으로 말하면 이유는 입력이 특정 출력 레이블에 매핑되는 이유를 설명하기 위해 더 풍부하고 자세한 정보를 제공할 수 있습니다.

실험 결과

연구진은 실험을 통해 단계적 증류의 효과를 검증했습니다. 첫째, 표준 미세 조정 및 작업 증류 방법과 비교하여 단계적 증류는 훨씬 적은 수의 훈련 예제로 더 나은 성능을 달성하는 데 도움이 되며 작은 작업별 모델 학습의 데이터 효율성을 크게 향상시킵니다. ㅋㅋㅋ

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

마지막으로 학습 예제 수와 모델 크기를 포함하여 LLM을 초과하는 성능 측면에서 단계적 증류 방법에 필요한 최소 리소스를 조사했습니다. 그들은 단계적 증류 접근 방식이 더 적은 데이터와 더 작은 모델을 사용하여 데이터 효율성과 배포 효율성을 모두 향상시킨다는 것을 보여줍니다.

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.

위 내용은 증류는 단계별로 수행할 수도 있습니다. 새로운 방법을 사용하면 소형 모델을 2000배 더 큰 대형 모델과 비교할 수 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 아무도들을 수없는 경우 오디오를 수정하는 방법
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

오픈 소스! ZoeDepth를 넘어! DepthFM: 빠르고 정확한 단안 깊이 추정! 오픈 소스! ZoeDepth를 넘어! DepthFM: 빠르고 정확한 단안 깊이 추정! Apr 03, 2024 pm 12:04 PM

0. 이 글은 어떤 내용을 담고 있나요? 우리는 다재다능하고 빠른 최첨단 생성 단안 깊이 추정 모델인 DepthFM을 제안합니다. DepthFM은 전통적인 깊이 추정 작업 외에도 깊이 인페인팅과 같은 다운스트림 작업에서 최첨단 기능을 보여줍니다. DepthFM은 효율적이며 몇 가지 추론 단계 내에서 깊이 맵을 합성할 수 있습니다. 이 작품을 함께 읽어보아요~ 1. 논문 정보 제목: DepthFM: FastMoncularDepthEstimationwithFlowMatching 저자: MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. 중국의 기능은 GPT-4와 비슷하며 가격은 GPT-4-Turbo의 거의 1%에 불과합니다. 세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. 중국의 기능은 GPT-4와 비슷하며 가격은 GPT-4-Turbo의 거의 1%에 불과합니다. May 07, 2024 pm 04:13 PM

기존 컴퓨팅을 능가할 뿐만 아니라 더 낮은 비용으로 더 효율적인 성능을 달성하는 인공 지능 모델을 상상해 보세요. 이것은 공상과학 소설이 아닙니다. DeepSeek-V2[1], 세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. DeepSeek-V2는 경제적인 훈련과 효율적인 추론이라는 특징을 지닌 전문가(MoE) 언어 모델의 강력한 혼합입니다. 이는 236B 매개변수로 구성되며, 그 중 21B는 각 마커를 활성화하는 데 사용됩니다. DeepSeek67B와 비교하여 DeepSeek-V2는 더 강력한 성능을 제공하는 동시에 훈련 비용을 42.5% 절감하고 KV 캐시를 93.3% 줄이며 최대 생성 처리량을 5.76배로 늘립니다. DeepSeek은 일반 인공지능을 연구하는 회사입니다.

MLP를 대체하는 KAN은 오픈소스 프로젝트를 통해 컨볼루션으로 확장되었습니다. MLP를 대체하는 KAN은 오픈소스 프로젝트를 통해 컨볼루션으로 확장되었습니다. Jun 01, 2024 pm 10:03 PM

이달 초 MIT와 기타 기관의 연구자들은 MLP에 대한 매우 유망한 대안인 KAN을 제안했습니다. KAN은 정확성과 해석성 측면에서 MLP보다 뛰어납니다. 그리고 매우 적은 수의 매개변수로 더 많은 수의 매개변수를 사용하여 실행되는 MLP보다 성능이 뛰어날 수 있습니다. 예를 들어 저자는 KAN을 사용하여 더 작은 네트워크와 더 높은 수준의 자동화로 DeepMind의 결과를 재현했다고 밝혔습니다. 구체적으로 DeepMind의 MLP에는 약 300,000개의 매개변수가 있는 반면 KAN에는 약 200개의 매개변수만 있습니다. KAN은 MLP와 같이 강력한 수학적 기반을 가지고 있으며, KAN은 Kolmogorov-Arnold 표현 정리를 기반으로 합니다. 아래 그림과 같이 KAN은

안녕하세요, 일렉트릭 아틀라스입니다! 보스턴 다이나믹스 로봇 부활, 180도 이상한 움직임에 겁먹은 머스크 안녕하세요, 일렉트릭 아틀라스입니다! 보스턴 다이나믹스 로봇 부활, 180도 이상한 움직임에 겁먹은 머스크 Apr 18, 2024 pm 07:58 PM

Boston Dynamics Atlas가 공식적으로 전기 로봇 시대에 돌입했습니다! 어제 유압식 Atlas가 역사의 무대에서 "눈물을 흘리며" 물러났습니다. 오늘 Boston Dynamics는 전기식 Atlas가 작동 중이라고 발표했습니다. 상업용 휴머노이드 로봇 분야에서는 보스턴 다이내믹스가 테슬라와 경쟁하겠다는 각오를 다진 것으로 보인다. 새 영상은 공개된 지 10시간 만에 이미 100만 명이 넘는 조회수를 기록했다. 옛 사람들은 떠나고 새로운 역할이 등장하는 것은 역사적 필연이다. 올해가 휴머노이드 로봇의 폭발적인 해라는 것은 의심의 여지가 없습니다. 네티즌들은 “로봇의 발전으로 올해 개막식도 인간처럼 생겼고, 자유도도 인간보다 훨씬 크다. 그런데 정말 공포영화가 아닌가?”라는 반응을 보였다. 영상 시작 부분에서 아틀라스는 바닥에 등을 대고 가만히 누워 있는 모습입니다. 다음은 입이 떡 벌어지는 내용이다

AI가 수학적 연구를 전복시킨다! 필즈상 수상자이자 중국계 미국인 수학자, Terence Tao가 좋아하는 11개 논문 발표 | AI가 수학적 연구를 전복시킨다! 필즈상 수상자이자 중국계 미국인 수학자, Terence Tao가 좋아하는 11개 논문 발표 | Apr 09, 2024 am 11:52 AM

AI는 실제로 수학을 변화시키고 있습니다. 최근 이 문제에 주목하고 있는 타오저쉬안(Tao Zhexuan)은 '미국수학회지(Bulletin of the American Mathematical Society)' 최신호를 게재했다. '기계가 수학을 바꿀 것인가?'라는 주제를 중심으로 많은 수학자들이 그들의 의견을 표현했습니다. 저자는 필즈상 수상자 Akshay Venkatesh, 중국 수학자 Zheng Lejun, 뉴욕대학교 컴퓨터 과학자 Ernest Davis 등 업계의 유명 학자들을 포함해 강력한 라인업을 보유하고 있습니다. AI의 세계는 극적으로 변했습니다. 이 기사 중 상당수는 1년 전에 제출되었습니다.

iPhone의 느린 셀룰러 데이터 인터넷 속도: 수정 사항 iPhone의 느린 셀룰러 데이터 인터넷 속도: 수정 사항 May 03, 2024 pm 09:01 PM

지연이 발생하고 iPhone의 모바일 데이터 연결 속도가 느립니까? 일반적으로 휴대폰의 셀룰러 인터넷 강도는 지역, 셀룰러 네트워크 유형, 로밍 유형 등과 같은 여러 요소에 따라 달라집니다. 더 빠르고 안정적인 셀룰러 인터넷 연결을 얻기 위해 할 수 있는 일이 몇 가지 있습니다. 수정 1 – iPhone 강제 다시 시작 때로는 장치를 강제로 다시 시작하면 셀룰러 연결을 포함한 많은 항목이 재설정됩니다. 1단계 – 볼륨 높이기 키를 한 번 눌렀다가 놓습니다. 그런 다음 볼륨 작게 키를 눌렀다가 다시 놓습니다. 2단계 - 프로세스의 다음 부분은 오른쪽에 있는 버튼을 누르는 것입니다. iPhone이 다시 시작되도록 하세요. 셀룰러 데이터를 활성화하고 네트워크 속도를 확인하세요. 다시 확인하세요 수정 2 – 데이터 모드 변경 5G는 더 나은 네트워크 속도를 제공하지만 신호가 약할 때 더 잘 작동합니다

초지능의 생명력이 깨어난다! 하지만 자동 업데이트 AI가 등장하면서 엄마들은 더 이상 데이터 병목 현상을 걱정할 필요가 없습니다. 초지능의 생명력이 깨어난다! 하지만 자동 업데이트 AI가 등장하면서 엄마들은 더 이상 데이터 병목 현상을 걱정할 필요가 없습니다. Apr 29, 2024 pm 06:55 PM

세상은 미친 듯이 큰 모델을 만들고 있습니다. 인터넷의 데이터만으로는 충분하지 않습니다. 훈련 모델은 '헝거게임'처럼 생겼고, 전 세계 AI 연구자들은 이러한 데이터를 탐식하는 사람들에게 어떻게 먹이를 줄지 고민하고 있습니다. 이 문제는 다중 모드 작업에서 특히 두드러집니다. 아무것도 할 수 없던 시기에, 중국 인민대학교 학과의 스타트업 팀은 자체 새로운 모델을 사용하여 중국 최초로 '모델 생성 데이터 피드 자체'를 현실화했습니다. 또한 이해 측면과 생성 측면의 두 가지 접근 방식으로 양측 모두 고품질의 다중 모드 새로운 데이터를 생성하고 모델 자체에 데이터 피드백을 제공할 수 있습니다. 모델이란 무엇입니까? Awaker 1.0은 중관촌 포럼에 최근 등장한 대형 멀티모달 모델입니다. 팀은 누구입니까? 소폰 엔진. 런민대학교 힐하우스 인공지능대학원 박사과정 학생인 Gao Yizhao가 설립했습니다.

미 공군이 주목할만한 최초의 AI 전투기를 선보였습니다! 전 과정에 걸쳐 장관이 직접 간섭 없이 테스트를 진행했고, 10만 줄의 코드를 21차례 테스트했다. 미 공군이 주목할만한 최초의 AI 전투기를 선보였습니다! 전 과정에 걸쳐 장관이 직접 간섭 없이 테스트를 진행했고, 10만 줄의 코드를 21차례 테스트했다. May 07, 2024 pm 05:00 PM

최근 군계는 미군 전투기가 이제 AI를 활용해 완전 자동 공중전을 완수할 수 있다는 소식에 충격을 받았다. 네, 얼마 전 미군의 AI 전투기가 최초로 공개되면서 그 미스터리가 드러났습니다. 이 전투기의 정식 명칭은 VISTA(Variable Stability Flight Simulator Test Aircraft)로 미 공군 장관이 직접 조종해 일대일 공중전을 모의 실험한 것이다. 5월 2일, 미 공군 장관 프랭크 켄달(Frank Kendall)이 X-62AVISTA를 타고 에드워드 공군 기지에서 이륙했습니다. 1시간의 비행 동안 모든 비행 작업은 AI에 의해 자동으로 완료되었습니다. Kendall은 "지난 수십 년 동안 우리는 자율 공대공 전투의 무한한 잠재력에 대해 생각해 왔지만 항상 도달할 수 없는 것처럼 보였습니다."라고 말했습니다. 그러나 지금은,

See all articles