参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

构建越来越大的模型并不是提高性能的唯一方法。

从 BERT 到 GPT-2 再到 GPT-3,大模型的规模是一路看涨,表现也越来越惊艳。增大模型规模已经被证明是一条可行的改进路径,而且 DeepMind 前段时间的一些研讨表明:这条路还没有走到头,继续增大模型依然有着可观的收益。

但与此同时,我们也知道,增大模型可能并不是提升性能的唯一路径,前段时间的几个研讨也证明了这一点。其中比较有代表性的研讨要数 DeepMind 的 RETRO Transformer 和 OpenAI 的 WebGPT。这两项研讨表明,如果我们用一种搜索 / 查询信息的方式来增强模型,小一点的生成言语模型也能达到以前大模型才能达到的性能。

在大模型一统天下的今天,这类研讨显得非常难能可贵。

在这篇文章中,擅长机器学习可视化的知名博客作者 Jay Alammar 详细分析了 DeepMind 的 RETRO(Retrieval-Enhanced TRansfOrmer)模型。该模型与 GPT-3 性能相当,但参数量仅为 GPT-3 的 4%。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

RETRO 整合了从数据库中检索到的信息,将其参数从昂贵的事例和世界知识存储中解放出来。

在 RETRO 以前,研讨社区也有一些工作采用了类似的方法,因此本文并不是要解释它的新颖性,而是该模型本身。

将言语信息和世界知识信息分离开来

一般来讲,言语模型的任务就是做填空题,这项任务有时候需要与事例有关的信息,比如

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

但有时候,如果你对某种言语比较熟悉,你也可以直接猜出空白部分要填什么,例如:

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

这种区别非常重要,因为大型言语模型将它们所知道的一切都编码到模型参数中。虽然这对于言语信息是有意义的,但是对于事例信息和世界知识信息是无效的。加入检索方法之后,言语模型可以缩小很多。在文本生成过程中,神经数据库可以帮助模型检索它需要的事例信息。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

随着训练数据记忆量的减少,我们可以使用较小的言语模型来加速训练。任何人都可以在更小、更便宜的 GPU 上部署这些模型,并根据需要对它们进行调整。

从结构上看,RETRO 是一个编码器 – 解码器模型,就像原始的 Transformer。然而,它在检索数据库的帮助下增加了输出序列。该模型在数据库中找到最可能的序列,并将它们增加到输出中。RETRO 利用它的魔力生成输出预测。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

在探索模型架构以前,让我们先深入挖掘一下检索数据库。

RETRO 的检索数据库

此处的数据库是一个键值存储(key-value store)数据库。其中 key 是标准的 BERT 句子嵌入,value 是由两部分构成的文本:

Neighbor,用于计算 key;

Completion,原文件中文本的延续。

RETRO 的数据库包含基于 MassiveText 数据集的 2 万亿个多言语 token。neighbor chunk 和 completion chunk 的长度最多为 64 个 token。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

RETRO 数据库内部展示了 RETRO 数据库中键值对的示例。

RETRO 将输出提醒分成多个 chunk。为简单起见,此处重点关注如何用检索到的文本扩充一个 chunk。但是,模型会针对输出提醒中的每个 chunk(第一个 chunk 除外)执行此过程。

数据库查找

在点击 RETRO 以前,输出提醒进入 BERT。对输出的上下文向量进行平均以构建句子嵌入向量。然后使用该向量查询数据库。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

使用 BERT 处置输出提醒会生成上下文化的 token 嵌入 。对它们求平均值会产生一个句子嵌入。

然后将该句子嵌入用于近似最隔壁搜索。检索两个最隔壁,它们的文本成为 RETRO 输出的一部分。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

BERT 句子嵌入用于从 RETRO 的神经数据库中检索最隔壁。然后将这些增加到言语模型的输出中。

现在 RETRO 的输出是:输出提醒及其来自数据库的两个最隔壁(及其延续)。

从这里开始,Transformer 和 RETRO 块将信息合并到它们的处置中。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

检索到的隔壁被增加到言语模型的输出中。然而,它们在模型内部的处置方式略有不同。

高层次的 RETRO 架构

RETRO 的架构由一个编码器货仓旅馆和一个解码器货仓旅馆构成。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

RETRO Transformer 由一个编码器货仓旅馆(处置隔壁)和一个解码器货仓旅馆(处置输出)构成。

编码器由标准的 Transformer 编码器块(self-attention + FFNN)构成。Retro 使用由两个 Transformer 编码器块构成的编码器。

解码器货仓旅馆包含了两种解码器 block:

标准 Transformer 解码器块(ATTN + FFNN)

RETRO 解码器块(ATTN + Chunked cross attention (CCA) + FFNN)

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

构成 RETRO 的三种 Transformer 模块。

编码器货仓旅馆会处置检索到的隔壁,生成后续将用于注意力的 KEYS 和 VALUES 矩阵。

解码器 block 像 GPT 一样处置输出文本。它对提醒 token 应用自注意力(因此只关注以前的 token),然后通过 FFNN 层。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

只有到达 RETRO 解码器时,它才开始合并检索到的信息。从 9 开始的每个第三个 block 是一个 RETRO block(允许其输出关注隔壁)。所以第 9、12、15…32 层是 RETRO block。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

下图展示了检索到的信息可以浏览完成提醒所需的节点步骤。

参数量仅为4%,性能媲美GPT-3:开发者图解DeepMind的RETRO

原文链接:http://jalammar.github.io/illustrated-retrieval-transformer/

给TA打赏
共{{data.count}}人
人已打赏
AI

读博五年,我总结出了7条帮你「少走弯路」的真理

2021-12-31 12:46:00

AI

这款产品发布之后,每款游玩都能有高智商的AI

2022-1-4 15:49:00

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
搜索