(资料图)
5月31日消息，近日 Meta 团队开发了一款名为 Megabyte 的 AI 模型以抗衡 Transformer，据称解决了后者所面临的问题，并且在速度上提升了 40%。
目前 Transformer 在自然语言处理等领域非常流行，但由于其序列数据的处理方式是逐步进行的，无法并行化处理，因此训练速度较慢; 难以处理长序列，因为其在反向传播过程中，梯度很容易消失或爆炸;此外，由于需要在每一步保留历史信息，内存消耗较大。
而 Megabyte 模型将输入和输出序列划分为 patch，而不是单个的 token。这种架构使得对大多数任务而言字节级别的预测相对容易，例如根据前几个字符预测完成的单词等。
这意味着在大型网络中可以精简字符以提升效率，并且内部预测可以使用更小的模型进行。Megabyte 模型的这种方法解决了当今 AI 模型所面临的训练速度、可靠性及硬件占用比挑战。
此外，在计算效率方面，相比于等大的 Transformer，Megabyte 模型在固定模型大小和序列长度范围内使用更少的 token。因此可以在相同的计算成本下训练内容更丰富、体积更大、性能更好的模型。
内容搜集整理于网络，不代表本站同意文章中的说法或者描述。文中陈述文字和内容未经本站证实，其全部或者部分内容、文字的真实性、完整性、及时性本站不做任何保证或者承诺，并且本站对内容资料不承担任何法律责任，请读者自行甄别。如因文章内容、版权和其他问题侵犯了您的合法权益请联系邮箱：5 146 761 13 @qq.com 进行删除处理，谢谢合作！
