


Pra-latihan tidak memerlukan perhatian, dan penskalaan kepada 4096 token tiada masalah, yang setanding dengan BERT.
Sebagai seni bina model pra-latihan NLP, Transformer boleh belajar dengan berkesan pada data besar yang tidak berlabel Penyelidikan telah membuktikan bahawa Transformer adalah seni bina teras tugas NLP sejak BERT.
Kerja terkini telah menunjukkan bahawa model angkasa lepas (SSM) ialah seni bina bersaing yang menguntungkan untuk pemodelan jujukan jarak jauh. SSM mencapai keputusan terkini mengenai penjanaan pertuturan dan penanda aras Arena Jarak Jauh, malah mengatasi prestasi seni bina Transformer. Selain meningkatkan ketepatan, lapisan penghalaan berdasarkan SSM tidak akan mempamerkan kerumitan kuadratik apabila panjang jujukan bertambah.
Dalam artikel ini, penyelidik dari Cornell University, DeepMind dan institusi lain mencadangkan Bidirectional Gated SSM (BiGS) untuk pra-latihan tanpa perhatian, yang kebanyakannya menggunakan penghalaan SSM digabungkan dengan seni bina berasaskan pada gating berganda. Kajian mendapati bahawa SSM dengan sendirinya berprestasi rendah dalam pra-latihan untuk NLP, tetapi apabila disepadukan ke dalam seni bina berpagar multiplikatif, ketepatan hiliran bertambah baik.
Percubaan menunjukkan bahawa BiGS mampu memadankan prestasi model BERT apabila dilatih pada data yang sama di bawah tetapan terkawal. Dengan pralatihan tambahan pada kejadian yang lebih lama, model ini juga mengekalkan masa linear apabila menskalakan jujukan input kepada 4096. Analisis menunjukkan bahawa gating pendaraban adalah perlu dan membetulkan beberapa masalah khusus model SSM pada input teks panjang berubah-ubah.
Alamat kertas: https://arxiv.org/pdf/2212.10544.pdf
Pengenalan Kaedah
SSM menghubungkan input berterusan u (t) dengan output y (t) melalui persamaan pembezaan berikut:
Untuk jujukan diskret, parameter SSM didiskritkan, dan prosesnya boleh dianggarkan sebagai:
Persamaan ini Boleh ditafsirkan sebagai RNN linear, di mana x_k ialah keadaan tersembunyi. y juga boleh dikira menggunakan lilitan:
Kaedah yang cekap untuk menggunakan SSM dalam rangkaian saraf ditunjukkan oleh Gu et al., yang membangunkan parameter Pendekatan A, dipanggil HiPPO, menghasilkan seni bina yang stabil dan cekap dipanggil S4. Ini mengekalkan keupayaan SSM untuk memodelkan jujukan jangka panjang sambil lebih cekap daripada latihan RNN. Baru-baru ini, penyelidik mencadangkan versi pepenjuru mudah S4 yang mencapai hasil yang serupa dengan anggaran yang lebih mudah bagi parameter asal. Pada tahap yang tinggi, penghalaan berasaskan SSM menyediakan alternatif kepada pemodelan jujukan dalam rangkaian saraf tanpa kos perhatian pengiraan sekunder.
Seni bina model pra-latihan
Bolehkah SSM menggantikan perhatian dalam pra-latihan? Untuk menjawab soalan ini, kajian ini mempertimbangkan dua seni bina yang berbeza, seni bina bertindan (STACK) dan seni bina berpagar multiplicative (GATED) yang ditunjukkan dalam Rajah 1.
Seni bina bertindan dengan perhatian kendiri adalah setara dengan model BERT /transformer, dan seni bina berpagar ialah penyesuaian dwiarah unit berpagar, yang juga baru-baru ini digunakan untuk SSM satu arah . 2 blok jujukan (iaitu, SSM ke hadapan dan ke belakang) dengan gating darab diapit dalam lapisan suapan hadapan. Untuk perbandingan yang adil, saiz seni bina berpagar dikekalkan setanding dengan seni bina bertindan.
Rajah 1: Pembolehubah model. STACK ialah seni bina pengubah standard, dan GATED adalah berdasarkan unit berpagar. Untuk komponen Penghalaan (garis putus-putus), kajian ini mempertimbangkan kedua-dua SSM dua hala (ditunjukkan dalam rajah) dan perhatian kendiri standard. Berpagar(X) mewakili pendaraban mengikut unsur.
Hasil eksperimen
Pra-latihan
Jadual 1 menunjukkan keputusan utama model pra-latihan yang berbeza pada GAM penanda aras. BiGS mereplikasi ketepatan BERT pada pengembangan token. Keputusan ini menunjukkan bahawa SSM boleh meniru ketepatan model pengubah pra-latihan di bawah belanjawan pengiraan sedemikian. Keputusan ini jauh lebih baik daripada model pra-latihan bukan berasaskan perhatian yang lain. Untuk mencapai ketepatan ini, gating berganda diperlukan. Tanpa gating, keputusan SSM bertindan adalah lebih teruk. Untuk mengkaji sama ada kelebihan ini terutamanya datang daripada penggunaan gating, kami melatih model berasaskan perhatian menggunakan seni bina GATE namun, keputusan menunjukkan bahawa model itu sebenarnya kurang berkesan daripada BERT.
Jadual 1: hasil GLUE. (Atas) Perbandingan seni bina yang berbeza dan penghalaan di bawah tetapan kawalan. Lihat Rajah 2 untuk butiran. (Bawah) melaporkan hasil yang setanding untuk model pralatihan bukan perhatian lain berdasarkan CNN, LSTM dan FNet.
Tugas Bentuk Panjang
Keputusan Jadual 2 menunjukkan bahawa SSM boleh digabungkan dengan Longformer EncoderDecoder (LED) dibandingkan dengan BART, bagaimanapun, dan keputusan menunjukkan bahawa ia berfungsi dengan baik atau lebih baik dalam tugas jauh. SSM mempunyai lebih sedikit data pra-latihan berbanding dua kaedah lain. Walaupun SSM tidak perlu membuat anggaran pada panjang ini, bentuk panjang masih penting.
Jadual 2: Keputusan ujian Pengekod SCROLLS. Model garis dasar ialah kedua-dua model penyahkod pengekod, satu berdasarkan Longformer (LED) dan satu lagi berdasarkan BART. Panjang input dipotong.
Untuk maklumat lanjut, sila lihat kertas asal.
Atas ialah kandungan terperinci Pra-latihan tidak memerlukan perhatian, dan penskalaan kepada 4096 token tiada masalah, yang setanding dengan BERT.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



0. Apakah fungsi artikel ini? Kami mencadangkan DepthFM: model anggaran kedalaman monokular generatif yang serba boleh dan pantas. Sebagai tambahan kepada tugas anggaran kedalaman tradisional, DepthFM juga menunjukkan keupayaan terkini dalam tugas hiliran seperti mengecat kedalaman. DepthFM cekap dan boleh mensintesis peta kedalaman dalam beberapa langkah inferens. Mari kita baca karya ini bersama-sama ~ 1. Tajuk maklumat kertas: DepthFM: FastMonocularDepthEstimationwithFlowMatching Pengarang: MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

Bayangkan model kecerdasan buatan yang bukan sahaja mempunyai keupayaan untuk mengatasi pengkomputeran tradisional, tetapi juga mencapai prestasi yang lebih cekap pada kos yang lebih rendah. Ini bukan fiksyen sains, DeepSeek-V2[1], model MoE sumber terbuka paling berkuasa di dunia ada di sini. DeepSeek-V2 ialah gabungan model bahasa pakar (MoE) yang berkuasa dengan ciri-ciri latihan ekonomi dan inferens yang cekap. Ia terdiri daripada 236B parameter, 21B daripadanya digunakan untuk mengaktifkan setiap penanda. Berbanding dengan DeepSeek67B, DeepSeek-V2 mempunyai prestasi yang lebih kukuh, sambil menjimatkan 42.5% kos latihan, mengurangkan cache KV sebanyak 93.3% dan meningkatkan daya pemprosesan penjanaan maksimum kepada 5.76 kali. DeepSeek ialah sebuah syarikat yang meneroka kecerdasan buatan am

Awal bulan ini, penyelidik dari MIT dan institusi lain mencadangkan alternatif yang sangat menjanjikan kepada MLP - KAN. KAN mengatasi MLP dari segi ketepatan dan kebolehtafsiran. Dan ia boleh mengatasi prestasi MLP berjalan dengan bilangan parameter yang lebih besar dengan bilangan parameter yang sangat kecil. Sebagai contoh, penulis menyatakan bahawa mereka menggunakan KAN untuk menghasilkan semula keputusan DeepMind dengan rangkaian yang lebih kecil dan tahap automasi yang lebih tinggi. Khususnya, MLP DeepMind mempunyai kira-kira 300,000 parameter, manakala KAN hanya mempunyai kira-kira 200 parameter. KAN mempunyai asas matematik yang kukuh seperti MLP berdasarkan teorem penghampiran universal, manakala KAN berdasarkan teorem perwakilan Kolmogorov-Arnold. Seperti yang ditunjukkan dalam rajah di bawah, KAN telah

Boston Dynamics Atlas secara rasmi memasuki era robot elektrik! Semalam, Atlas hidraulik hanya "menangis" menarik diri daripada peringkat sejarah Hari ini, Boston Dynamics mengumumkan bahawa Atlas elektrik sedang berfungsi. Nampaknya dalam bidang robot humanoid komersial, Boston Dynamics berazam untuk bersaing dengan Tesla. Selepas video baharu itu dikeluarkan, ia telah pun ditonton oleh lebih sejuta orang dalam masa sepuluh jam sahaja. Orang lama pergi dan peranan baru muncul. Ini adalah keperluan sejarah. Tidak dinafikan bahawa tahun ini adalah tahun letupan robot humanoid. Netizen mengulas: Kemajuan robot telah menjadikan majlis pembukaan tahun ini kelihatan seperti manusia, dan tahap kebebasan adalah jauh lebih besar daripada manusia Tetapi adakah ini benar-benar bukan filem seram? Pada permulaan video, Atlas berbaring dengan tenang di atas tanah, seolah-olah terlentang. Apa yang berikut adalah rahang-jatuh

AI memang mengubah matematik. Baru-baru ini, Tao Zhexuan, yang telah mengambil perhatian terhadap isu ini, telah memajukan keluaran terbaru "Buletin Persatuan Matematik Amerika" (Buletin Persatuan Matematik Amerika). Memfokuskan pada topik "Adakah mesin akan mengubah matematik?", ramai ahli matematik menyatakan pendapat mereka Seluruh proses itu penuh dengan percikan api, tegar dan menarik. Penulis mempunyai barisan yang kuat, termasuk pemenang Fields Medal Akshay Venkatesh, ahli matematik China Zheng Lejun, saintis komputer NYU Ernest Davis dan ramai lagi sarjana terkenal dalam industri. Dunia AI telah berubah secara mendadak Anda tahu, banyak artikel ini telah dihantar setahun yang lalu.

Saya menangis hingga mati. Dunia sedang membina model besar. Data di Internet tidak mencukupi. Model latihan kelihatan seperti "The Hunger Games", dan penyelidik AI di seluruh dunia bimbang tentang cara memberi makan data ini kepada pemakan yang rakus. Masalah ini amat ketara dalam tugas berbilang modal. Pada masa mereka mengalami kerugian, pasukan pemula dari Jabatan Universiti Renmin China menggunakan model baharu mereka sendiri untuk menjadi yang pertama di China untuk menjadikan "suapan data yang dijana model itu sendiri" menjadi kenyataan. Selain itu, ia merupakan pendekatan serampang dua mata dari segi pemahaman dan sisi penjanaan Kedua-dua pihak boleh menjana data baharu berbilang modal yang berkualiti tinggi dan memberikan maklum balas data kepada model itu sendiri. Apakah model? Awaker 1.0, model berbilang modal besar yang baru sahaja muncul di Forum Zhongguancun. Siapa pasukan itu? Enjin Sophon. Diasaskan oleh Gao Yizhao, pelajar kedoktoran di Sekolah Kecerdasan Buatan Hillhouse Universiti Renmin.

Apa? Adakah Zootopia dibawa menjadi realiti oleh AI domestik? Didedahkan bersama-sama dengan video itu ialah model penjanaan video domestik berskala besar baharu yang dipanggil "Keling". Sora menggunakan laluan teknikal yang serupa dan menggabungkan beberapa inovasi teknologi yang dibangunkan sendiri untuk menghasilkan video yang bukan sahaja mempunyai pergerakan yang besar dan munasabah, tetapi juga mensimulasikan ciri-ciri dunia fizikal dan mempunyai keupayaan gabungan konsep dan imaginasi yang kuat. Mengikut data, Keling menyokong penjanaan video ultra panjang sehingga 2 minit pada 30fps, dengan resolusi sehingga 1080p dan menyokong berbilang nisbah aspek. Satu lagi perkara penting ialah Keling bukanlah demo atau demonstrasi hasil video yang dikeluarkan oleh makmal, tetapi aplikasi peringkat produk yang dilancarkan oleh Kuaishou, pemain terkemuka dalam bidang video pendek. Selain itu, tumpuan utama adalah untuk menjadi pragmatik, bukan untuk menulis cek kosong, dan pergi ke dalam talian sebaik sahaja ia dikeluarkan Model besar Ke Ling telah pun dikeluarkan di Kuaiying.

Baru-baru ini, bulatan tentera telah terharu dengan berita: jet pejuang tentera AS kini boleh melengkapkan pertempuran udara automatik sepenuhnya menggunakan AI. Ya, baru-baru ini, jet pejuang AI tentera AS telah didedahkan buat pertama kali, mendedahkan misterinya. Nama penuh pesawat pejuang ini ialah Variable Stability Simulator Test Aircraft (VISTA). Ia diterbangkan sendiri oleh Setiausaha Tentera Udara AS untuk mensimulasikan pertempuran udara satu lawan satu. Pada 2 Mei, Setiausaha Tentera Udara A.S. Frank Kendall berlepas menggunakan X-62AVISTA di Pangkalan Tentera Udara Edwards Ambil perhatian bahawa semasa penerbangan selama satu jam, semua tindakan penerbangan telah diselesaikan secara autonomi oleh AI! Kendall berkata - "Sejak beberapa dekad yang lalu, kami telah memikirkan tentang potensi tanpa had pertempuran udara-ke-udara autonomi, tetapi ia sentiasa kelihatan di luar jangkauan." Namun kini,
