AIGC動態歡迎閱讀

原標題：Llama架構比不上GPT2？神奇token提升10倍記憶？
關鍵字：模型,知識,數據,作者,時間
文章來源：機器之心
內容字數：5672字

內容摘要：

機器之心專欄
機器之心編輯部一個 7B 規模的語言模型 LLM 能存儲多少人類知識？如何量化這一數值？訓練時間、模型架構的不同將如何影響這一數值？浮點數壓縮 quantization、混合專家模型 MoE、以及數據質量的差異 (百科知識 vs 網絡垃圾) 又將對 LLM 的知識容量產生何種影響？
近日，朱澤園 (Meta AI) 和李遠志 (MBZUAI) 的最新研究《語言模型物理學 Part 3.3：知識的 Scaling Laws》用海量實驗（50,000 條任務，總計 4,200,000 GPU 小時）總結了 12 條定律，為 LLM 在不同條件下的知識容量提供了較為精確的計量方法。作者首先指出，通過開源模型在基準數據集 (benchmark) 上的表現來衡量 LLM 的 scaling law 是不現實的。例如，LlaMA-70B 在知識數據集上的表現比 LlaMA-7B 好 30%，這并不能說明模型擴大 10 倍僅僅能在容量上提高 30%。如果使用網絡數據訓練模型，我們也將很難估計其中包含的知識總量。
再舉個例子，我們比較 Mistral 和 Llama 模型的好壞之時，到底

原文鏈接：Llama架構比不上GPT2？神奇token提升10倍記憶？

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺