Экономия памяти GPU без потери качества LLM: FastGen

 FastGen: Cutting GPU Memory Costs Without Compromising on LLM Quality

FastGen: снижение затрат на память GPU без ущерба качеству LLM

Авторегрессивные языковые модели (ALM) доказали свою способность в машинном переводе, генерации текста и т. д. Однако эти модели представляют вызовы, включая вычислительную сложность и использование памяти GPU. Несмотря на большой успех в различных приложениях, существует срочная необходимость найти экономичный способ обслуживания этих моделей. Более того, генеративное вывод больших языковых моделей (LLM) использует механизм кэширования KV для улучшения скорости генерации. Тем не менее, увеличение размера модели и длины генерации приводит к увеличению использования памяти кэша KV. Когда использование памяти превышает емкость GPU, генеративное вывод LLM прибегает к выгрузке.

Практические решения и ценность:

Множество работ было проведено для повышения эффективности модели для LLM, например, одним из таких методов является пропуск нескольких токенов в определенный момент времени. Недавно была предложена техника, добавляющая задачу выбора токена к исходной модели BERT, которая учится выбирать важные токены и обнаруживать неважные токены для обрезки с использованием разработанного обучаемого порога. Однако эти модели применяются только к неавторегрессивным моделям и требуют дополнительной фазы повторного обучения, что делает их менее подходящими для авторегрессивных LLM, таких как ChatGPT и Llama. Важно рассмотреть потенциал обрезки токенов в кэше KV авторегрессивных LLM для заполнения этой пробела.

Исследователи из Университета Иллинойса в Урбане-Шампейне и Microsoft предложили FastGen, высокоэффективную технику для повышения эффективности вывода LLM без потери видимого качества, используя профилирование легкой модели и адаптивное кэширование ключ-значение. FastGen удаляет контексты дальнего диапазона на головах внимания с помощью построения кэша KV адаптивным образом. Кроме того, он использует легкое профилирование внимания, которое используется для направления построения адаптивного кэша KV без ресурсоемкого тонкой настройки или повторного обучения. FastGen способен снизить использование памяти GPU с незначительной потерей качества генерации.

Результаты исследования:

Адаптивное сжатие кэша KV, предложенное исследователями, снижает объем памяти генеративного вывода для LLM. Для моделей 30B FastGen превосходит все неадаптивные методы сжатия KV и достигает более высокого коэффициента сокращения кэша KV с увеличением размера модели, сохраняя при этом качество модели неизменным. Например, FastGen получает коэффициент обрезки 44,9% на Llama 1-65B по сравнению с коэффициентом обрезки 16,9% на Llama 1-7B, достигая победного коэффициента 45%. Кроме того, был проведен анализ чувствительности FastGen путем выбора различных гиперпараметров. Поскольку модель поддерживает победный коэффициент 45%, исследование не показывает видимого влияния на качество генерации после изменения гиперпараметра.

В заключение, исследователи из Университета Иллинойса в Урбане-Шампейне и Microsoft предложили FastGen, новую технику для повышения эффективности вывода LLM без потери видимого качества, используя профилирование легкой модели и адаптивное кэширование ключ-значение. Также адаптивное сжатие кэша KV, предложенное исследователями, используется для снижения объема памяти генеративного вывода для LLM. Будущая работа включает интеграцию FastGen с другими методами сжатия модели, например, квантизацией и дистилляцией, групповым запросом внимания и т. д.

Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект

Новости

  • Многоходовое Внимание: Революция в Понимании Языковых Моделей

    Введение в механизмы внимания в языковых моделях Языковые модели (LLMs) активно используют механизмы внимания для эффективного извлечения контекстной информации. Однако традиционные методы внимания ограничены однотокеновым вниманием, что может затруднять понимание сложных языковых зависимостей.…

  • Amazon Nova Act: Революция в автоматизации веб-задач

    Введение в Amazon Nova Act Amazon представил революционную модель ИИ под названием Nova Act, предназначенную для автоматизации различных веб-задач. Этот ИИ-агент может автоматизировать процессы, такие как заполнение форм, навигация по интерфейсу и управление…

  • Руководство для начинающих по терминалу и командной строке: основные команды и советы

    Практические бизнес-решения с использованием Terminal/Command Prompt Введение Terminal и Command Prompt – это мощные инструменты для взаимодействия с компьютерами, которые могут значительно повысить производительность и эффективность в бизнесе. Преимущества использования Terminal/Command Prompt Эффективная…

  • Гибридная система вознаграждений ByteDance: улучшение RLHF с помощью RTV и GenRM

    Введение в Гибридную Систему Наград в ИИ Недавнее исследование от ByteDance представляет значительное достижение в области искусственного интеллекта через гибридную систему наград. Эта система объединяет Проверяющие Задачи Размышления (RTV) и Генеративную Модель Наград…

  • Революционная платформа AI для интеграции рассуждений и поиска

    Введение в ReSearch: Прогрессивная AI-структура Обзор ReSearch ReSearch представляет собой продвинутую структуру, которая обучает большие языковые модели (LLM) комбинировать рассуждения с поиском с помощью обучения с подкреплением, устраняя необходимость в контролируемых данных для…

  • Использование Git и Git Bash: Руководство для бизнеса

    Бизнес-преобразование с помощью Git и искусственного интеллекта Введение Использование Git и Git Bash может значительно улучшить управление проектами. Эти инструменты позволяют командам отслеживать изменения кода и эффективно сотрудничать, что значительно повышает производительность бизнеса.…

  • Создание инструмента для анализа рентгеновских снимков с открытым исходным кодом

    Создание инструмента для оценки рентгеновских снимков с открытым исходным кодом Практические бизнес-решения Создание прототипа инструмента для оценки рентгеновских снимков может значительно улучшить процессы диагностики и повысить качество обслуживания клиентов в медицинских учреждениях. Использование…

  • Увеличение разнообразия креативного письма с помощью DPO и ORPO в ИИ моделях

    Улучшение креативного письма с помощью ИИ: Практические решения для бизнеса Понимание проблемы креативного письма в ИИ Креативное письмо требует разнообразия и воображения, что представляет собой уникальную задачу для систем искусственного интеллекта (ИИ). В…

  • Оценка юридических ответов на соответствие GDPR с помощью платформы Atla

    Оценка юридических ответов для соблюдения GDPR с помощью платформы Atla Обзор Данный гид описывает практический подход к оценке качества юридических ответов, сгенерированных языковыми моделями, с использованием платформы Atla и Python SDK. Наша цель…

  • VideoMind: Прорыв в понимании видео с помощью ИИ

    Видеоминд: Применение AI для понимания видео Видеоминд представляет собой значительное достижение в области искусственного интеллекта, особенно в понимании видео. Этот инновационный подход решает уникальные задачи анализа видеоконтента. Понимание задач видеоконтента Видеоматериалы более сложны…

  • Hostinger Horizons: Создавайте веб-приложения без кода с помощью ИИ

    Практические бизнес-решения с использованием Hostinger Horizons Hostinger Horizons предлагает уникальные возможности для бизнеса благодаря своей платформе без кода, которая упрощает создание веб-приложений. Вот как это может улучшить бизнес и реальную жизнь: Преимущества использования…

  • Hunyuan-T1: Революция в Искусственном Интеллекте для Бизнеса

    Практические бизнес-решения Преобразование рабочих процессов Искусственный интеллект может значительно улучшить бизнес-операции. Вот практические шаги, которые стоит рассмотреть: 1. Определите возможности автоматизации Ищите процессы, которые можно автоматизировать для повышения эффективности. 2. Улучшите взаимодействие с…

  • FFN Fusion от NVIDIA: Революция в эффективности больших языковых моделей

    Введение в большие языковые модели Большие языковые модели (LLMs) становятся все более важными в различных секторах, обеспечивая работу приложений, таких как генерация естественного языка и разговорные агенты. Однако с увеличением размера и сложности…

  • UI-R1: Улучшение предсказания действий GUI с помощью обучения с подкреплением

    UI-R1 Framework: Улучшение предсказания действий GUI с помощью ИИ Обзор проблемы Традиционный метод обучения больших языковых моделей (LLMs) и агентов графического пользовательского интерфейса (GUI) требует больших объемов размеченных данных, что приводит к длительным…

  • Эффективное Масштабирование Времени Вывода для Бизнеса

    Оптимизация времени вывода для потоковых моделей: практические бизнес-решения Введение Недавние разработки в области искусственного интеллекта сместили акцент с увеличения размера модели и объема обучающих данных на повышение эффективности вычислений во время вывода. Эта…

  • Устойчивое развитие AI для временных рядов с помощью синтетических данных: инновационный подход Salesforce

    Возможности ИИ для анализа временных рядов с использованием синтетических данных Анализ временных рядов имеет огромное значение для бизнеса, но он сталкивается с проблемами доступности и качества данных. Использование синтетических данных может решить эти…

  • Руководство по решению уравнения Бюргера 1D с помощью PINNs в PyTorch

    Практическое руководство по преобразованию бизнеса с помощью ИИ Это руководство демонстрирует, как использовать физически обоснованные нейронные сети (PINNs) для решения уравнения Бургенса и как такие технологии могут улучшить бизнес-процессы и реальную жизнь. Шаги…

  • Открытие OpenVLThinker-7B: Новый уровень визуального мышления для бизнеса

    Улучшение визуального мышления с OpenVLThinker-7B Понимание проблемы Модели, объединяющие обработку языка и интерпретацию изображений, испытывают трудности с многошаговым мышлением. Это создает проблемы в таких задачах, как понимание графиков и решение визуальных математических задач.…