一夜小模型王座易主！英偉達發布超強小模型，性能、速率、緩存全面超越Llama3.2！ 原創
編輯 ｜言征
小模型王座一夜易主了！冷不防，英偉達就丟出了一個新混合架構，以后不再只是Transformer的天下了。
日前，NVIDIA剛剛發布了Hymba-1.5B-Base，這是一個將Transformer注意力機制與狀態空間模型（SSM）集成的小型語言模型。
這種全新的混合架構只使用1.5T的Tokens進行訓練，性能、速度卻全面超越了市面上主流的所有小模型！英偉達的科學家兼研究經理Pavlo Molchanov在X上宣布了這一最新發展。
圖片
Hugging Face 的技術負責人及大型語言模型（LLMs）專家 Philipp Schmid 對此發展發表評論說：“Hymba 在僅使用1.5萬億個標記進行訓練的條件下，性能超越了其他小型大型語言模型，如Meta 3.2或SmolLM v2。”
圖片
1.雙重架構、精確回憶、高效上下文
據“抱抱臉”上公開資料顯示，Hymba-1.5B-Base是在今年年9月1日至2024年11月10日期間進行訓練的，許可證方面則根據NVIDIA開放模型許可協議發布。
Hymba模型使用雙重結構，具有精確回憶的注意力頭和高效上下文總結的SSM頭。
具體來講，其特點在于采用了混合頭并行架構，該架構將Transformer注意力機制與狀態空間模型（SSM）相結合，以提高效率。注意力頭提供高分辨率的回憶能力，而SSM頭則實現高效的上下文總結。此外，模型還引入了可學習的Meta標記，這些標記被添加到提示之前，用于存儲關鍵信息，并減輕與注意力機制相關的“被迫關注”負擔。通過引入跨層鍵值（KV）共享和部分滑動窗口注意力，該模型得到了進一步優化，從而實現了緊湊的緩存大小。
在一項對比相同設置下不同架構的受控研究中，Hymba-1.5B-Base 展現出了顯著優勢。
它在所有公開可用的、參數少于20億的模型中表現優異，并以平均準確率高出1.32%、緩存大小減少11.67倍、吞吐量提升3.49倍的成績超越了Llama-3.2-3B。
2.模型架構非常巧妙
Hymba-1.5B-Base是一款基礎文本到文本的模型，可用于多種自然語言生成任務。論文《Hymba: A Hybrid-head Architecture for Small Language Models》進一步闡述了模型的思想和實驗對比。
論文地址：https://arxiv.org/pdf/2411.13676
該模型采用混合架構，其中Mamba和注意力頭并行運行。每個提示前都會添加一組可學習的標記（稱為Meta標記），以提高模型的有效性。該模型在兩層之間以及單層內的各個頭之間共享鍵值（KV）緩存。90%的注意力層采用滑動窗口注意力機制。
Hymba-1.5B-Base的模型嵌入大小為1600，擁有25個注意力頭，MLP中間維度為5504，總層數為32層，16個SSM狀態，3個全注意力層，其余為滑動窗口注意力層。與標準Transformer不同，Hymba中的每個注意力層都并行結合了標準注意力頭和Mamba頭的混合組合。此外，它還使用了分組查詢注意力（GQA）和旋轉位置嵌入（RoPE）。
圖片
概括來講，這架構有三個值得注意的特點：
首先，在同一層內融合注意力頭和SSM頭，對相同輸入進行并行且互補的處理；此外，還引入了元標記（meta tokens），這些標記被添加到輸入序列的前面，并與所有后續標記進行交互，從而存儲重要信息并減輕注意力中“必須關注”的負擔；最后，還結合了跨層KV共享和全局-局部注意力，進一步提升內存和計算效率。
圖片
3.性能超越所有主流小模型，包括Llama3.2
Hymba-1.5B-Base在所有低于20億的公開模型中表現優異。
圖片
研究人員從準確率、緩存大小、處理速度三個方面綜合評估了現在主流的小語言模型，比如Meta的Llama3.2-1B、Apple的OpenELM-1B、微軟的Phi-1.5B、抱抱臉的SmoILM2-1.7B、阿里巴巴的Qwen2.5-1.5B等。
綜合評估和消融研究表明，Hymba不僅在眾多具有代表性的任務中樹立了新的最優（SOTA）基準性能，而且在效率方面相比Transformer和之前的混合模型也更高。例如，在常識推理任務中，Hymba-1.5B的平均準確率比Llama-3.2-3B高出1.32%，而所需的緩存大小卻小了11.67倍，速度快了3.49倍。
圖片
NVIDIA 還提供了一個設置腳本，以簡化環境配置，支持CUDA 12.1和12.4版本。
4.不過，需要小心
英偉達承認該模型是利用從互聯網上原始抓取的數據進行訓練的，這就意味著訓練數據包含有毒語言、不安全內容和社會偏見。因此，該模型可能會放大這些偏見，并在接收到有毒提示時返回有毒的回應。
即使提示本身不包含任何明顯冒犯性的內容，該模型也可能生成不準確、遺漏關鍵信息或包含不相關或冗余文本的答案，從而產生社會不可接受或不受歡迎的文本。
除了有毒內容方面需要注意，工程方面也需要注意：
用戶應在生成期間將批處理大小設置為1，因為當前設置不完全支持帶有滑動窗口注意的填充元標記。然而，任何批次大小都適用于訓練和預填充。
5.本月25日公開模型權重，可商用
英偉達非常強調在創建值得信賴的人工智能方面分擔責任的重要性，并為其發展制定了道德準則。建議用戶負責任地使用該模型，同時注意其局限性。
“在按照我們的服務條款下載或使用時，開發者應與內部模型團隊合作，確保該模型滿足相關行業和使用場景的要求，并解決產品濫用等不可預見的問題。”
Molchanov 評論道：“我不確定我們是否應該為使用1.5萬億個標記的訓練感到自豪。原因是我們要追求速度；在接下來的兩周里，就會有人做得更好。”
不過好消息是，Hymba模型已準備好用于商業用途了，而且模型權重也即將推出，預計11月25日發布！
相信大家這兩天就可以快速用上這款非常nice的小模型了。
本文轉載自??51CTO技術棧??，作者：言征
