Mamba 一作最新大發(fā)長(zhǎng)文!
主題只有一個(gè),即探討兩種主流序列模型——狀態(tài)空間模型(SSMs)和 Transformer 模型的權(quán)衡之術(shù)。
在最受關(guān)注的語(yǔ)言任務(wù)上,Mamba-3B 超越同等規(guī)模的 Transformer,與兩倍大的 Transformer 匹敵,因此被視為 Transformer 架構(gòu)的有力挑戰(zhàn)者。
現(xiàn)在,Mamba 一作將自己去年的幾場(chǎng)演講整合成一篇科普長(zhǎng)文,向大眾分享了如下觀點(diǎn):
Attention 雖強(qiáng),但不是萬(wàn)能。
Transformer ≠最終解法,而是階段性最優(yōu)。
" 讓每個(gè) FLOPs 都有意義 " 才是架構(gòu)設(shè)計(jì)的最終目標(biāo)。
將 SSM 層與注意力層按一定比例混合能帶來(lái)更強(qiáng)大的模型。
……
而且他還提前劇透,幾天后將發(fā)布 " 架構(gòu)領(lǐng)域的下一個(gè)重大進(jìn)展 "。
因?yàn)樗岬搅艘粋€(gè)重要觀點(diǎn)——注意力機(jī)制的缺點(diǎn)實(shí)際上并不是它的二次復(fù)雜度。
要知道之前大家都認(rèn)為,ChatGPT 等大模型之所以處理長(zhǎng)文本算力消耗巨大,背后原因是 Transformer 架構(gòu)中注意力機(jī)制的二次復(fù)雜度。
而現(xiàn)在,這樣的共識(shí)或許即將被推翻 ~
不過(guò)好消息是,即將推出的新架構(gòu)能夠和 Transformers 兼容。
SSMs 就像人類的大腦
一上來(lái),作者先定義了什么是狀態(tài)空間模型(SSMs)?
更直觀的類比如下:
Transformer 就像人類每寫一個(gè)字之前,都把前面的所有字 + 輸入都復(fù)習(xí)一遍,所以寫的慢。
RNN 每次只參考前面固定的字?jǐn)?shù),寫的快,但容易忘掉更前面的內(nèi)容。
而以 Mamba 為代表的 SSMs每次參考前面所有內(nèi)容的一個(gè)概括,越往后寫對(duì)前面內(nèi)容概括得越狠,丟掉細(xì)節(jié)保留大意。
這一工作方式有點(diǎn)像人類的大腦——不斷接收新信息(輸入),并將其壓縮、總結(jié)成一個(gè)固定大小的 " 隱藏狀態(tài) "(即模型的內(nèi)部記憶),一旦模型需要處理新信息時(shí),它只與這個(gè)總結(jié)過(guò)的 " 記憶 " 互動(dòng),而不是回顧所有舊細(xì)節(jié)。
這也意味著,SSM 相比其他架構(gòu)更適合處理長(zhǎng)序列信息,而且它還具備兩大優(yōu)勢(shì):
第一,非常適合處理非結(jié)構(gòu)化或 " 低分辨率 " 數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明,采用 SSM 架構(gòu)的 Mamba 在語(yǔ)言、音頻、DNA 序列模態(tài)上都實(shí)現(xiàn)了 SOTA。
第二,處理長(zhǎng)序列信息時(shí),其計(jì)算成本與序列長(zhǎng)度呈線性關(guān)系(不會(huì)突然急劇上升),且無(wú)論輸入序列有多長(zhǎng),模型在推理過(guò)程中所需的內(nèi)存量都是固定的(適合資源有限的環(huán)境)。
按照作者總結(jié),Mamba 的成功得益于 SSM 的三個(gè)關(guān)鍵要素:
(1)狀態(tài)大小 ( State size )
傳統(tǒng) RNN 通常只有一個(gè)較小的隱藏狀態(tài),而 SSMs 通過(guò)允許隱藏狀態(tài)成為一個(gè)更高維度的向量,能夠存儲(chǔ)比舊 RNN 多 N 倍的信息。
(2)狀態(tài)表達(dá)能力 ( State expressivity )
早期 SSMs 以固定不變的方式更新狀態(tài),適合處理音頻(信息變化規(guī)律)但不適合處理語(yǔ)言(信息速率變化快、需要選擇性記憶)數(shù)據(jù)。
而 Mamba 通過(guò)引入 " 選擇性 SSMs" 解決了這個(gè)問(wèn)題,與經(jīng)典 RNN" 門控機(jī)制 " 相似,它可以根據(jù)當(dāng)前輸入數(shù)據(jù)來(lái)決定哪些信息該記住,哪些該遺忘。
(3)訓(xùn)練效率 ( Training efficiency )
盡管狀態(tài)更大、表達(dá)力更強(qiáng)會(huì)增加計(jì)算難度,但 Mamba 通過(guò)精心的參數(shù)化和利用經(jīng)典的并行掃描算法來(lái)解決計(jì)算效率問(wèn)題。
而且它和其他現(xiàn)代循環(huán)模型一樣,都注重并行化、內(nèi)存管理以及模型線性度以提高計(jì)算效率。
不過(guò)作者也提醒,SSMs缺乏對(duì)過(guò)去信息的精細(xì)回憶和精確檢索能力。
Transformer 模型更像一個(gè)數(shù)據(jù)庫(kù)
相比之下,Transformer 模型更像一個(gè)數(shù)據(jù)庫(kù)——
會(huì)把收到的每一個(gè)信息(通常是經(jīng)過(guò) Tokenization 處理的 "token")都完整記錄下來(lái),并儲(chǔ)存在一個(gè)叫做 "KV 緩存 " 的臨時(shí)記憶區(qū)中。當(dāng)模型需要處理新信息時(shí),它會(huì)回顧并比較所有以前儲(chǔ)存過(guò)的 "token"。
一方面,Transformer 模型能完美記住并精細(xì)處理序列中每一個(gè)單獨(dú)的 "token"。
這使得它在處理已經(jīng)過(guò)預(yù)處理、每個(gè) "token" 都具有明確含義的數(shù)據(jù)時(shí)表現(xiàn)出色。如經(jīng)過(guò)分詞(Tokenization)處理的文本,每個(gè)詞都帶有語(yǔ)義,Transformer 就能很好地利用它們。
缺點(diǎn)就是計(jì)算成本高以及過(guò)于依賴高質(zhì)量數(shù)據(jù)。
而針對(duì) Tokenization,作者也探討了它是否應(yīng)該存在的問(wèn)題,并得出如下觀點(diǎn):
盡管 Tokenization 有實(shí)用價(jià)值,但強(qiáng)烈建議廢除。
作者認(rèn)為,雖然 Tokenization 能夠?qū)⑿蛄虚L(zhǎng)度縮短約 5 倍,從而顯著提高語(yǔ)言模型的效率,但這只是表面現(xiàn)象。
首先,Tokenization 違背了深度學(xué)習(xí) " 端到端 " 的自動(dòng)學(xué)習(xí)精神,即模型應(yīng)該從原始數(shù)據(jù)中自動(dòng)學(xué)習(xí),而不是依賴人工預(yù)處理。
更要命的是,Tokenization 在多語(yǔ)言和多模態(tài)應(yīng)用中實(shí)施起來(lái)非常困難甚至不可能,而且還可能限制模型的 Scaling Law 和推理能力。
比如眾所周知的翻車事件,模型不會(huì)數(shù) "strawberry" 這個(gè)詞中有多少個(gè) R,就有 Tokenization 的影響。
而且已有實(shí)驗(yàn)證據(jù)表明,在未經(jīng) Tokenization 處理的數(shù)據(jù)上,SSMs 的表現(xiàn)顯著優(yōu)于 Transformer,即使 Transformer 被允許使用更多的計(jì)算資源。這進(jìn)一步強(qiáng)調(diào)了 Transformer 在處理非語(yǔ)義化 "token" 數(shù)據(jù)時(shí)的弱點(diǎn)。
至此可以小結(jié)一下,SSMs 和 Transformer 模型可謂各有千秋。
混合一下性能更佳
答案是 yes!
作者發(fā)現(xiàn),將兩種類型的信息處理方式結(jié)合起來(lái),可能會(huì)產(chǎn)生更強(qiáng)大的效果。
這類似于人類智能既有大腦的模糊記憶,又有外部數(shù)據(jù)庫(kù)的精確檢索能力。
如此也說(shuō)明,Attention 并非 All You Need。
作者明確表示,他的主張不僅僅關(guān)乎計(jì)算效率(盡管簡(jiǎn)化數(shù)據(jù)可以減少注意力機(jī)制的二次復(fù)雜度開銷),而是一個(gè)更強(qiáng)烈的聲明,即 Transformer 在建模能力上存在固有的局限性。
最后,他也提到了已經(jīng)為人熟知的 Scaling Law 定律。
在他看來(lái),雖然 Transformer 目前很流行,但它們遠(yuǎn)非計(jì)算資源轉(zhuǎn)化的最優(yōu)選擇,而要設(shè)計(jì)新的架構(gòu),一個(gè)重要衡量標(biāo)準(zhǔn)是每個(gè) FLOPs(算力)能否物盡其用,快速轉(zhuǎn)化為模型能力。
不知道新架構(gòu)又能帶來(lái)多大驚喜?
參考鏈接:
[ 1 ] https://goombalab.github.io/blog/2025/tradeoffs/
[ 2 ] https://x.com/_albertgu/status/1942615020111876248
[ 3 ] https://x.com/tri_dao/status/1942617784204087536
一鍵三連「點(diǎn)贊」「轉(zhuǎn)發(fā)」「小心心」
歡迎在評(píng)論區(qū)留下你的想法!
— 完 —
專屬 AI 產(chǎn)品從業(yè)者的實(shí)名社群,只聊 AI 產(chǎn)品最落地的真問(wèn)題 掃碼添加小助手,發(fā)送「姓名 + 公司 + 職位」申請(qǐng)入群~
進(jìn)群后,你將直接獲得:
最新最專業(yè)的 AI 產(chǎn)品信息及分析
不定期發(fā)放的熱門產(chǎn)品內(nèi)測(cè)碼
內(nèi)部專屬內(nèi)容與專業(yè)討論
點(diǎn)亮星標(biāo)
科技前沿進(jìn)展每日見