StreamingLLM 框架問世，號稱“可讓大模型處理無限長度文本”

　　麻省理工學院聯合 Meta AI 的研究人員日前開發了一款名為 StreamingLLM 的框架，為大語言模型可能遇到的 RAM 與泛化問題提出了一系列解決方案，號稱能夠“讓語言模型處理無限長度的文本內容”。

　　StreamingLLM 的研究重點，是想解決實現流式語言模型(Efficient Streaming Language Models，ESLM)的障礙，特別是“長時間互動的多輪對話場景”中可能出現的問題。

　　研究人員指出，這種流式語言模型主要存在兩大挑戰：

　　第一個挑戰：在解碼階段，獲取 token 的鍵(Key)值(Value)狀態會消耗大量的 RAM。

　　第二個挑戰：目前流行的大語言模型，難以泛化適用“超過訓練序列長度”的長文本。

　　IT之家注意到，過去有許多研究試圖解決上述挑戰，像是“擴展注意力窗口”，讓語言模型能夠處理超出預訓練序列長度的長文本;或是建立一個固定大小的活動窗口，只關注最近 token 的鍵值狀態，確保 RAM 使用率和解碼速度保持穩定，但若遇到“序列長度超過緩存大小”時，這個策略就會失效。

　　而當前流式語言模型最大的挑戰是“如何不消耗過多 RAM 且不損害模型性能的前提下，處理長文本輸入”。

　　StreamingLLM 對此采取的策略是“運用注意力下沉現象”，研究人員觀察到，在自回歸語言模型中，無論特定 token 和語言模型本身的相關性如何，如果對代 token 分配了大量的注意力。這些獲得高度注意力的 token，就會表現出注意力下沉的現象，即便這些 token 在語義上不重要，但他們仍然獲得模型強烈關注(即給予特定 token 內容大量注意力，從而獲得模型大部分的關注，而這些特定 token 內容包含“下沉 token 的鍵值”，從而確保無論輸入序列有多長，模型的注意力計算都能維持穩定)。

　　StreamingLLM 的重要貢獻，在于其提出一個簡單且高效的解決方案，使語言模型不需微調就可以處理無限長度的文本。從而解決當前語言模型在流式應用的困境。雖然未來流式語言模型勢在必行，但由于 RAM 效率的限制，以及模型在處理長序列的性能問題，相關模型發展仍受到挑戰。

　　經研究團隊證實，StreamingLLM 能夠讓 Llama 2、MPT、Falcon 和 Pythia 可靠地處理高達 400 萬 token 的文本，能夠為流式語言模型提供更多部署方面的可能性。