MemLong: 基于记忆增强检索的长文本LLM生成方法

本文涉及的产品
实时数仓Hologres,5000CU*H 100GB 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
实时计算 Flink 版,5000CU*H 3个月
简介: 本文介绍了一种名为MemLong的创新长文本处理方法,该方法通过整合外部检索器显著增强了大型语言模型处理长上下文的能力。MemLong采用轻量级设计,利用不可训练的外部记忆库存储历史上下文和知识,并通过检索相关的块级键值对增强模型输入。其技术优势包括分布一致性、高效训练策略及扩展的上下文窗口,能够在单个GPU上处理长达80k个token的文本,同时保持计算效率和内存控制。实验结果显示,MemLong在多个长文本基准数据集上表现出色,显著提升了语言建模能力和上下文学习效果。

本文将介绍MemLong,这是一种创新的长文本语言模型生成方法。MemLong通过整合外部检索器来增强模型处理长上下文的能力,从而显著提升了大型语言模型(LLM)在长文本处理任务中的表现。

核心概念

MemLong的设计理念主要包括以下几点:

  1. 高效扩展LLM上下文窗口的轻量级方法。
  2. 利用不可训练的外部记忆库存储历史上下文和知识。
  3. 通过检索相关的块级键值(K-V)对来增强模型输入。
  4. 适用于各种仅解码器的预训练语言模型。
  5. 引入额外的记忆检索(ret-mem)组件和检索因果注意力模块。

MemLong的工作流程如图1所示:

图1:MemLong的记忆和检索过程示意图

MemLong的技术优势

1. 分布一致性

MemLong克服了传统方法中将信息存储在记忆中导致的分布偏移问题。通过精心设计的记忆机制,MemLong确保了缓存信息的分布与原始数据保持一致,从而提高了模型的稳定性和性能。

2. 训练效率

MemLong采用了创新的训练策略:

  • 冻结模型的底层参数,仅微调上层结构。
  • 显著降低了计算资源需求,例如:- 3B参数版本的MemLong在0.5B个token上的微调仅需8张3090 GPU运行8小时。

这种方法大幅提高了模型的训练效率,使得在有限资源条件下也能实现高效的模型优化。

3. 扩展的上下文窗口

MemLong在处理长文本方面表现出色:

  • 能够在单个3090 GPU上将上下文窗口扩展到80k个token。
  • 通过仅记忆单层的K-V对,有效控制了内存使用。

这一特性使MemLong在处理长文档、长对话等任务时具有显著优势,能够捕捉更长距离的语义依赖关系。

MemLong架构详解

概述

MemLong的核心架构如图2所示:

图2:MemLong架构示例

工作流程主要包括以下步骤:

  1. 输入处理:将输入文本分割成块(ci),每个块对应原始文本ti。
  2. 底层处理:在冻结的底层中应用标准因果注意力机制。
  3. 记忆层操作:在最后一个底层(记忆层)后执行两个关键操作:- 检索:利用ti获取最相关的K-V对。- 缓存:存储获得的K-V对及其相关的块表示。
  4. 上层处理:在可训练的上层中,整合检索到的K-V对与当前输入上下文,并调整模型参数以优化检索过程。

这种设计允许模型有效地利用历史信息,同时保持计算效率和模型的适应性。

在接下来的部分中,我们将深入探讨MemLong的检索器设计、动态记忆管理策略、注意力机制重构以及推理过程等技术细节。

MemLong技术细节

检索器和动态记忆管理

检索过程

MemLong的检索过程是其核心功能之一,具体步骤如下:

  1. 对于每个查询块cq(等同于ci)及其对应的文本块tq(等同于ti),首先通过检索器R处理,得到表示嵌入rq:rq = R(tq), 其中 rq ∈ Rdret
  2. 利用得到的表示嵌入,对记忆M中的嵌入进行检索,获取k个最相关的块级索引。
  3. 计算检索表示rq与记忆M中存储的嵌入之间的余弦相似度。
  4. 选取相似度最高的k个索引:zq = TopK{Cos(rq)}, 其中 zq ∈ Rk
  5. 基于获得的索引,从记忆中检索相应的K-V对:˜zq ∈ Rk×τ×dmodel

这种方法允许模型高效地获取与当前输入最相关的历史信息。

记忆过程

记忆过程是MemLong保持长期记忆的关键,其主要特点包括:

  1. 同步存储:记忆层的K-V对与用于检索的表示嵌入同步存储,确保索引的准确对应。
  2. 双重存储:- 缓存K-V对- 存储相应的表示
  3. 一致性保证:由于较低层在训练期间被冻结,输出K-V对的分布保持一致。
  4. 记忆更新:完成所有块对的检索后,执行记忆操作M(k, v; rm),同步更新记忆中的键值对及其对应表示。

动态记忆更新

为了有效管理长期记忆并防止记忆溢出,MemLong采用了动态记忆更新策略:

  1. 记忆分配:- 保留最新的10%记忆内容(可能相关)- 丢弃最旧的10%(可能已过时)- 根据检索频率优先考虑中间80%
  2. 内存控制:当记忆使用超过阈值时,删除最少访问的条目,直到使用率降至50%。
  3. 平衡机制:这种选择性修剪在保留有价值信息和删除不相关数据之间取得平衡。
  4. 效率保证:动态更新有效控制记忆大小,防止内存不足,同时保持检索效率。

注意力机制重构

MemLong对传统注意力机制进行了创新性的重构,以更好地融合长期记忆:

检索因果注意力

  1. 联合注意力机制:将标准注意力扩展为包含本地和长期记忆的联合机制。
  2. 长期记忆融合:使每个token能够同时关注局部上下文和具有完整连续语义的块级历史上下文。
  3. 双向注意力:通过检索方法获得的块级K-V对支持双向注意力,同时避免信息泄露。

图3展示了检索因果注意力的工作原理:

图3:检索因果注意力示意图

注意力计算

给定前一层的头部隐藏状态输出Hl−1 ∈ R|x|×dmodel和检索到的键值对˜zq = { ˜Ki, ˜ Vi} ωi=1 ∈ Rk×τ×dmodel,下一层的输出隐藏状态Hl的计算如下:

为避免训练初期检索注意力分数Sm可能造成的干扰,MemLong采用多头注意力机制:

最终,通过连接˜V和V得到Hl:

这种注意力机制设计允许模型有效地整合局部和长期信息,提高了对长距离依赖的建模能力。

MemLong推理过程

MemLong在处理超长输入时采用了特殊的推理策略:

  1. 输入分割:将输入分为前缀和主体两部分。
  2. 前缀处理:- 将前缀分成多个非重叠的块- 通过记忆层处理每个块,确保参与注意力的token数量等于块大小- 注意块间的相互关联性(第t个块需要处理前t-1个块的信息)
  3. 主体处理:- 为主体选择k个最相关的块,基于块级检索表示- 获取这些块的键和值表示
  4. 上层检索:在上层检索层中,注意力窗口大小为k * τ,通常小于输入总长度。
  5. 高效执行:同时进行长度受限的因果注意力和检索注意力计算。

这种策略使MemLong能够高效处理远超其预训练长度的输入,同时保持计算效率和内存使用的平衡。

在下一部分中,我们将详细介绍MemLong的实验设置和结果,展示其在各种长文本任务中的优越性能。

MemLong实验评估与结论

实验设置

实现细节

训练配置

  • 基础模型:使用带有旋转位置编码的OpenLLaMA-3B作为预训练骨干网络。
  • 训练规模:在0.5B个token上进行检索增强适应训练,序列长度设置为1024。

位置编码策略

为了适应MemLong的特殊架构,采用了以下位置编码策略:

  1. 局部上下文(最多2048个token):使用标准的旋转位置编码。
  2. 记忆键:被编码为在局部上下文窗口中位置为0。

这种策略确保了模型能够有效区分和利用局部和长期信息。

评估数据集

为全面评估MemLong的性能,选择了四个广泛使用的长文本基准数据集:

  1. PG-19:英语图书数据集
  2. BookCorpus:另一个英语图书数据集
  3. Wikitext-103:维基百科文章集
  4. Proof-Pile:数学论文集

这些数据集涵盖了不同领域和文体的长文本,为模型的泛化能力提供了全面的测试。

评估指标

主要使用困惑度(Perplexity, PPL)作为评估指标。对每个序列的最后2048个token计算PPL,较低的PPL值表示更强的语言建模能力。

基线模型

选择OpenLLaMA-3B作为主要基线模型,同时与LLaMA-2-7B等其他模型进行了对比。

实验结果与分析

长上下文语言建模

图7展示了MemLong与基线模型在不同数据集和输入长度下的性能比较:

图7:不同模型在各数据集上的困惑度(PPL)比较

关键发现:

  1. 预训练长度内的性能:在不超过预训练长度(OpenLLaMA-3B为2048,LLaMA-2-7B为4096)的测试中,MemLong与完全微调的模型表现相当。
  2. 超长输入处理能力:- MemLong在超过预训练和微调长度的输入上仍能持续降低困惑度,展现出优秀的泛化能力。- 相比之下,OpenLLaMA-3B和LLaMA-2-7B在超出预训练长度的输入上表现明显下降。
  3. 计算效率:- MemLong通过外部检索器有效处理长输入,同时保持较低的内存开销。- 传统模型在处理超长输入时,由于注意力机制的二次复杂度,内存消耗显著增加。
  4. 一致性改进:MemLong在各个数据集上都实现了困惑度的降低,表明其方法的有效性和稳定性。

上下文学习能力

表1展示了MemLong在5个NLU任务上的少样本学习(4-shot和20-shot)性能:

表1:不同模型在NLU任务上的少样本学习准确率(%)

关键观察:

  1. 记忆利用:与仅依赖非参数知识的OpenLLaMA相比,MemLong能有效利用存储在记忆中的额外示例,提高性能。
  2. 示例数量影响:随着记忆中示例数量的增加,MemLong的性能进一步提升或保持稳定,显示出良好的可扩展性。
  3. 与LongLLaMA对比:在相同的内存演示条件下,MemLong在大多数数据集上优于LongLLaMA,证明了其记忆机制的优越性。
  4. 任务适应性:MemLong在不同类型的NLU任务中均表现出色,表明其具有广泛的应用潜力。

局限性讨论

尽管MemLong展现出优秀的性能,研究团队也认识到以下局限性:

  1. 模型规模限制:当前研究主要集中在OpenLLaMA-3B上,未来需要在更大规模的模型上进行验证。
  2. 信息稳定性:观察到单层K-V对提供的额外语义信息可能存在不稳定性,这一问题需要在未来的研究中进一步探讨和解决。
  3. 领域特异性:虽然在多个数据集上进行了测试,但可能还需要在更多特定领域的任务中评估MemLong的表现。
  4. 计算复杂度:虽然MemLong相对高效,但在处理极长文本时的计算需求仍需进一步优化。

总结

MemLong作为一种创新的长文本处理方法,在以下方面展现了显著优势:

  1. 上下文扩展:成功将模型的有效上下文窗口从2k扩展到80k个token,大幅提升了长文本处理能力。
  2. 性能提升:在长距离文本建模和理解任务中,MemLong展现出明显的竞争优势,相比全上下文模型,在某些任务中实现了高达10.4个百分点的性能改进。
  3. 效率平衡:通过创新的记忆和检索机制,MemLong在保持高性能的同时,有效控制了计算复杂度和内存使用。
  4. 广泛适用性:在多种NLU任务和不同类型的长文本数据集上均表现出色,显示出良好的泛化能力。

MemLong的成功为长文本语言模型的发展开辟了新的方向,其核心思想和技术可能对未来的大规模语言模型设计产生深远影响。未来的研究方向可能包括进一步优化记忆机制、探索更大规模模型的应用,以及在更多领域特定任务中的表现验证。

论文链接: https://avoid.overfit.cn/post/886d820cba6240bfb005e4c2378fe2e8

目录
相关文章
|
机器学习/深度学习 存储 NoSQL
Graph RAG: 知识图谱结合 LLM 的检索增强
RAG(Retrieval Argumented Generation)这种基于特定任务/问题的文档检索范式中,我们通常先收集必要的上下文,然后利用具有认知能力的机器学习模型进行上下文学习(in-context learning),来合成任务的答案。这次,我们借助 LLM 的力量,强化下 RAG。
1972 0
Graph RAG: 知识图谱结合 LLM 的检索增强
|
2月前
|
人工智能 安全 机器人
LLM对齐数据全自动合成!UW华人博士生提出Magpie方法,Macbook Air即可运行
【8月更文挑战第11天】在AI领域,大型语言模型(LLM)的行为对齐一直是个挑战。华盛顿大学研究人员提出名为Magpie的新方法,能自动高效生成高质量指令数据,减少人工干预,提升LLM的对齐效果。通过输入模板,Magpie利用已对齐LLM生成能力自动生成指令数据,仅需少量GPU资源即可创建大规模数据集。实验显示,使用Magpie数据集微调的模型性能媲美传统监督方法。尽管如此,Magpie仍需进一步优化以生成特定领域指令并确保数据安全性。[论文](https://arxiv.org/abs/2406.08464)
149 60
|
5月前
|
弹性计算 自然语言处理 开发工具
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
本文介绍如何通过整合阿里云Milvus、阿里云DashScope Embedding模型与阿里云PAI(EAS)模型服务,构建一个由LLM(大型语言模型)驱动的问题解答应用,并着重演示了如何搭建基于这些技术的RAG对话系统。
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
|
2月前
|
机器学习/深度学习 边缘计算 缓存
|
4月前
|
存储 机器学习/深度学习 自然语言处理
LLM微调方法(Efficient-Tuning)六大主流方法:思路讲解&优缺点对比[P-tuning、Lora、Prefix tuing等]
LLM微调方法(Efficient-Tuning)六大主流方法:思路讲解&优缺点对比[P-tuning、Lora、Prefix tuing等]
LLM微调方法(Efficient-Tuning)六大主流方法:思路讲解&优缺点对比[P-tuning、Lora、Prefix tuing等]
|
5月前
|
存储 人工智能 API
【AIGC】基于检索增强技术(RAG)构建大语言模型(LLM)应用程序
【5月更文挑战第7天】基于检索增强技术(RAG)构建大语言模型(LLM)应用程序实践
427 1
|
5月前
|
存储 SQL 关系型数据库
【LLM】基于pvVevtor和LangChain构建RAG(检索增强)服务
【5月更文挑战第4天】基于pgVector和LangChain构建RAG检索增强服务
287 4
|
5月前
|
API 异构计算 Docker
5种搭建LLM服务的方法和代码示例
本文介绍了5种搭建开源大型语言模型服务的方法,包括使用Anaconda+CPU、Anaconda+GPU、Docker+GPU、Modal和AnyScale。CPU方法适合本地低门槛测试,但速度较慢;GPU方法显著提升速度,Docker简化环境配置,适合大规模部署;Modal提供按需付费的GPU服务,适合试验和部署;而AnyScale则以低门槛和低成本访问开源模型。每种方法都有其优缺点,选择取决于具体需求和资源。
249 0
|
11月前
|
机器学习/深度学习 安全 Java
【网安AIGC专题10.19】论文6(顶会ISSTA 2023):提出新Java漏洞自动修复数据集:数据集 VJBench+大语言模型、APR技术+代码转换方法+LLM和DL-APR模型的挑战与机会
【网安AIGC专题10.19】论文6(顶会ISSTA 2023):提出新Java漏洞自动修复数据集:数据集 VJBench+大语言模型、APR技术+代码转换方法+LLM和DL-APR模型的挑战与机会
442 0
|
5月前
|
知识图谱
4种通过LLM进行文本知识图谱的构建方法对比介绍
我们在以前的文章中已经介绍了使用大语言模型将非结构化文本转换为知识图谱。但是对于知识图谱的创建是一个很复杂的过程,比如需要对属性增加限制,创建符合特定主题/模式的图谱,并且有时文档非常大,无法作为单个提示处理,所以在切分后的提示中创建的图谱需要前后一致。
482 0