RWKV-7：极先进的大模型架构，长文本能力极强

RWKV-7 是极先进的最新大模型架构，超越 attention / linear attention 范式，拥有强大的 in-context-learning（上下文学习）能力，可真正持续学习，在保持 100% RNN 的同时，拥有极强的长文本能力。

RWKV-7 架构性能表现

RWKV-7 的大海捞针测试

RWKV-7-World 0.1B（L12-D768）在 ctx 4k 预训练 1T tokens（world-v2.8），无需任何微调，即可完美通过 ctx 16k 的大海捞针。且 world 系列模型支持全球 100+ 种语言和代码。

添加图片注释，不超过 140 字（可选）

niah-of-rwkv-7-world-0.1b

RWKV-7-Pile 0.4B（L24-D1024）在 ctx 4k 预训练 0.3T tokens（pile），无需任何微调，即可完美通过 ctx 16k 的大海捞针。

添加图片注释，不超过 140 字（可选）

niah-of-rwkv-7-pile-0.4b

RWKV-7 的长文本外推测试

RWKV-7-Pile 系列模型，在 ctx 4k 预训练 0.3T tokens（pile），无需任何微调，即可自动外推到 ctx 32k+ 长度，且 ppl 随 ctx 增加持续稳步下降，说明还远未达到它的外推极限。

添加图片注释，不超过 140 字（可选）

RWKV-7 外推到 ctx 32k+

下面是 RWKV-7 与 Mamba 的对比，所有模型（除-slimpj）都是在 Pile 训练：

添加图片注释，不超过 140 字（可选）

RWKV-7 与 Mamba 对比，外推能力

Pile 模型横向评测

我们对多款 Pile 模型进行了综合测评。这里的所有模型，基于相同的数据集训练，并使用相同的分词器（tokenizer）进行推理，所以是真正公平公正的模型性能对比。

数据集：

https://www.modelscope.cn/datasets/AI-ModelScope/pile

我们对比了以下模型，涵盖 0.1B、0.4B、1.5B 三种参数：

• RWKV-7 "Goose"（例如 L12-D768, lr 8e-4 to 3e-5 cosine decay, wd 0.1, bsz 8x30x4096，随机初始化。我们没有使用任何“技巧”提升性能，训练过程非常稳定，无任何毛刺，完全可复现，欢迎联系我们复现）
  
• RWKV-4 "Dove"
  
• Mamba（我们发现 Mamba 在实际训练中很不稳定，这里使用的是他们提供的模型，我们无法验证他们是否使用了“技巧”提升性能）
  
• Pythia
  

从评测结果，可见 RWKV-7-Pile 在各项英文和多语言测试中，都拥有显著优势：

添加图片注释，不超过 140 字（可选）

pile-models-eval

注意 RWKV-7 拥有显著更强的 ReCoRD 评分，这是长文本材料问答任务，表明 RWKV-7 能够更好地理解和使用长文本的信息。

此外，我们训练了两个“深窄”（更多的层数和更小的维度）的 RWKV-7-Pile 0.1B 模型 ，分别是 L25-D576 和 L33-D512，它们的综合性能更强：

添加图片注释，不超过 140 字（可选）

pile-eval-with-l25-l33-rwkv

这表明 RWKV 架构可通过使用“深窄”尺寸，进一步提升性能。

0.1B 模型横向评测

RWKV-7-World-0.1B 是全球最强的 0.1B 多语言模型，在 world-2.8（1T tokens）数据训练后，拥有一流的英文能力，且多语言能力显著超越所有 0.1B 模型，支持全球 100+ 种语言和代码。

添加图片注释，不超过 140 字（可选）

100m-model-eval

注意 RWKV-7-World-0.1B 在模型设计上保持 L12-D768 尺寸，而非 SmolLM2 的 L30-D576 尺寸。更少的神经网络层数（L12）使得 RWKV-7 的速度更快，更适合边缘设备等资源受限的推理场景，而且微调训练所需的数据和计算资源也更低。

这里的所有 RWKV 模型均已开源发布：

rwkv-7-world：

https://modelscope.cn/models/Blink_DL/rwkv-7-world

更多RWKV模型：

https://www.modelscope.cn/organization/Blink_DL

RWKV-7-World-0.1B 生成案例

作为仅 0.1B 参数的 L12-D768 小模型，RWKV-7-World-0.1B 拥有超越其尺寸的综合能力。以下是 RWKV-7-World-0.1B 的生成案例（使用 RWKV-Runner 运行）：

添加图片注释，不超过 140 字（可选）

multilang-case-english

添加图片注释，不超过 140 字（可选）

multilang-case-code

添加图片注释，不超过 140 字（可选）

multilang-case-jpn

添加图片注释，不超过 140 字（可选）

multilang-case-chn-novel

其中的部分生成内容不准确，但考虑到，这是一个 0.1B L12-D768 的基底模型，尚未做任何 post-training，其性能可谓令人惊讶。

体验 RWKV-7-World 0.1B

RWKV-Gradio-1：

https://modelscope.cn/studios/Blink_DL/RWKV-Gradio-1

• 小程序：
  

我们正在训练更大参数的 RWKV-7 模型，具体的发布计划请见后文。

RWKV-7 架构介绍

RWKV-7 采用了动态状态演化（Dynamic State Evolution），超越了 attention / linear attention 范式 TC0 表达能力的根本限制。RWKV-7 拥有 NC1 的表达能力，使其可以解决许多 attention 无法解决的问题。

简单地说，传统注意力机制（如 Transformer 的 QKV-softmax-attention）会将多个 {}（key 和 value 的向量对）存储起来，通过 q（query，查询向量）去匹配 key，得到对应的 value 输出。

RWKV-7 不直接存储 {} 对，而是通过动态计算更新 state，从上下文动态学习 key 和 value 之间的关系，再使用更新后的 state 处理新的输入 （在 RWKV 中是 ） 并得到输出。

具体而言，RWKV-7 模型拥有一个内部模型 。它需要拟合一个简单的目标：对于给定的两个向量序列 {} 和 {}，通过 （state）把 转化为 ，输出的 需要和目标的 尽量接近。

为实现这个目标，RWKV-7 在推理时，对于 L2 损失函数 自动模拟出动态的梯度下降，以此来持续训练内部模型 。

因此，RWKV-7 是一个真正的持续学习模型。

这种动态 State 演化机制，使得 RWKV-7 更擅长处理长上下文内容，拥有显著更强的长文本能力，且生成的内容更少出现自我重复，比各种 Transformer 和 RWKV-6 版本看上去更有连贯的思路。

RWKV-7 的架构图：

添加图片注释，不超过 140 字（可选）

rwkv-7-architecture

RWKV-7 的训练和推理

RWKV-7 架构的训练和推理代码均已定稿，架构论文正在由彭博和社区成员联合撰写，欢迎大家参与，可在 EleutherAI 的 Discord 搜索 RWKV-papers 频道。

RWKV-7 训练代码可在 RWKV-LM仓库中查看，RWKV-PEFT 项目已支持微调 RWKV-7 模型。

推理方面，RWKV pip 0.8.28 版本、web-rwkv、Ai00、RWKV Runner等 RWKV 推理工具均已支持 RWKV-7 模型。

• RWKV-LM:
  

https://github.com/BlinkDL/RWKV-LM

• RWKV-PEFT 项目:
  

https://github.com/JL-er/RWKV-PEFT

• RWKV pip 0.8.28:
  

https://pypi.org/project/rwkv/0.8.28/

• web-rwkv:
  

https://github.com/cryscan/web-rwkv

• Ai00:
  

https://github.com/Ai00-X/ai00_server

• RWKV Runner:
  

https://github.com/josStorer/RWKV-Runner

RWKV-7 模型发布计划

我们正在训练更大的 RWKV-7-World 模型，路线图如下：

我们正在训练更大的 RWKV-7-World 模型，路线图如下：

点击链接阅读原文：rwkv-7-world