IT之家5月30日消息，近日meta團隊開發了一款名為Megabyte的AI模型以抗衡Transformer，據稱Megabyte解決了Transformer模型所面臨的問題，并且在速度上提升了40%。
▲圖源Arxiv
▲圖源Arxiv
目前Transformer在自然語言處理等領域非常流行，但由于其序列數據的處理方式是逐步進行的，無法并行化處理，因此訓練速度較慢；難以處理長序列，因為其在反向傳播過程中，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，而不是單個的token。這種架構使得對大多數任務而言字節級別的預測相對容易，例如根據前幾個字符預測完成的單詞等。這意味著在大型網絡中可以精簡字符以提升效率，并且內部預測可以使用更小的模型進行。Megabyte模型的這種方法解決了當今AI模型所面臨的訓練速度、可靠性及硬件占用比挑戰。
此外，在計算效率方面，相比于等大的Transformer和Linear Transformer，Megabyte模型在固定模型大小和序列長度范圍內使用更少的token。因此相對于Transformer，Megabyte模型可以在相同的計算成本下訓練內容更豐富、體積更大、性能更好的模型。
目前meta團隊放出了Megabyte模型的論文，IT之家小伙伴可以前往查閱。
