Zyphra推小語言模型Zamba2-2.7B： 速度提高一倍，內(nèi)存成本降低27%

　　最近，Zyphra 公司發(fā)布了全新的 Zamba2-2.7B 語言模型，這一發(fā)布在小型語言模型的發(fā)展史上具有重要意義。新模型在性能和效率方面取得了顯著提升，它的訓(xùn)練數(shù)據(jù)集達(dá)到了大約3萬億個(gè)標(biāo)記，這使得它在性能上可以與 Zamba1-7B 及其他領(lǐng)先的7B 模型相媲美。

　　而最令人驚喜的是，Zamba2-2.7B 在推理時(shí)的資源需求顯著降低，成為了移動(dòng)設(shè)備應(yīng)用的高效解決方案。

　　Zamba2-2.7B 在 “首次生成響應(yīng)時(shí)間” 這一關(guān)鍵指標(biāo)上實(shí)現(xiàn)了兩倍的提升，這意味著它可以比競(jìng)爭(zhēng)對(duì)手更快地生成初始響應(yīng)。這對(duì)于虛擬助手、聊天機(jī)器人等需要實(shí)時(shí)互動(dòng)的應(yīng)用來說至關(guān)重要。

　　除了速度的提升，Zamba2-2.7B 在內(nèi)存使用上也做得非常出色。它減少了27% 的內(nèi)存開銷，使得它成為在內(nèi)存資源有限的設(shè)備上部署的理想選擇。這樣的智能內(nèi)存管理確保了模型在計(jì)算資源受限的環(huán)境中也能有效運(yùn)行，擴(kuò)展了其在各種設(shè)備和平臺(tái)上的應(yīng)用范圍。

　　Zamba2-2.7B 還有一個(gè)顯著的優(yōu)勢(shì)，那就是生成延遲更低。與Phi3-3.8B 相比，它的延遲降低了1.29倍，這使得交互更加流暢。低延遲在需要無縫、持續(xù)交流的應(yīng)用中尤為重要，比如客服機(jī)器人和互動(dòng)教育工具。因此，Zamba2-2.7B 在提升用戶體驗(yàn)方面無疑是開發(fā)者的首選。

　　在與其他同類規(guī)模模型的基準(zhǔn)比較中，Zamba2-2.7B 始終表現(xiàn)優(yōu)異。它的優(yōu)越表現(xiàn)證明了 Zyphra 在推動(dòng)人工智能技術(shù)發(fā)展上的創(chuàng)新和努力。這一模型采用了改進(jìn)的交錯(cuò)共享注意力機(jī)制，并配備了 LoRA 投影器在共享的 MLP 模塊上，確保了在處理復(fù)雜任務(wù)時(shí)的高效能輸出。