Meta發(fā)布Megabyte AI模型：訓(xùn)練速度更快

　　5月31日消息，近日 Meta 團(tuán)隊(duì)開發(fā)了一款名為 Megabyte 的 AI 模型以抗衡 Transformer，據(jù)稱解決了后者所面臨的問題，并且在速度上提升了 40%。

　　目前 Transformer 在自然語(yǔ)言處理等領(lǐng)域非常流行，但由于其序列數(shù)據(jù)的處理方式是逐步進(jìn)行的，無(wú)法并行化處理，因此訓(xùn)練速度較慢; 難以處理長(zhǎng)序列，因?yàn)槠湓诜聪騻鞑ミ^程中，梯度很容易消失或爆炸;此外，由于需要在每一步保留歷史信息，內(nèi)存消耗較大。

　　而 Megabyte 模型將輸入和輸出序列劃分為 patch，而不是單個(gè)的 token。這種架構(gòu)使得對(duì)大多數(shù)任務(wù)而言字節(jié)級(jí)別的預(yù)測(cè)相對(duì)容易，例如根據(jù)前幾個(gè)字符預(yù)測(cè)完成的單詞等。

　　這意味著在大型網(wǎng)絡(luò)中可以精簡(jiǎn)字符以提升效率，并且內(nèi)部預(yù)測(cè)可以使用更小的模型進(jìn)行。Megabyte 模型的這種方法解決了當(dāng)今 AI 模型所面臨的訓(xùn)練速度、可靠性及硬件占用比挑戰(zhàn)。

　　此外，在計(jì)算效率方面，相比于等大的 Transformer，Megabyte 模型在固定模型大小和序列長(zhǎng)度范圍內(nèi)使用更少的 token。因此可以在相同的計(jì)算成本下訓(xùn)練內(nèi)容更豐富、體積更大、性能更好的模型。