Mamba超強進化體一舉顛覆Transformer！單張A100跑140K上下文

之前引爆了AI圈的Mamba架構，今天又推出了一版超強變體！

人工智慧獨角獸AI21 Labs剛剛開源了Jamba，世界上第一個生產級的Mamba大模型！

Jamba在多項基準測試中表現亮眼，與目前最強的幾個開源Transformer平起平坐。

特別是比較效能最好的、同為MoE架構的Mixtral 8x7B，也互有勝負。

具體來說它－

• 是基於全新SSM-Transformer混合架構的首個生產級Mamba模型
• 與Mixtral 8x7B相比，長文字處理吞吐量提高了3倍
• 實作了256K超長上下文視窗
• #是同等規模中，唯一能在單張GPU上處理140K上下文的模型
• 以Apache 2.0開源授權協議發布，開放權重

之前的Mamba因為各種限制，只能做到3B，還被質疑能否接過Transformer的大旗，而同為線性RNN家族的RWKV、Griffin等也只擴展到了14B。

——Jamba這次直接幹到52B，讓Mamba架構第一次能夠正面硬剛生產等級的Transformer。

Jamba在原始Mamba架構的基礎上，融入了Transformer的優勢來彌補狀態空間模型（SSM）的固有限制。

可以認為，這其實是一種新的架構－Transformer和Mamba的混合體，最重要的是，它可以在單張A100上運行。

它提供了高達256K的超長上下文窗口，單一GPU就可以跑140K上下文，而且吞吐量是Transformer的3倍！

與Transformer相比，看看Jamba如何擴展到巨大的上下文長度，非常震撼

## Jamba採用了MoE的方案，52B中有12B是活躍參數，目前模型在Apache 2.0下開放權重，可以在huggingface下載。

模式下載：https://huggingface.co/ai21labs/Jamba-v0.1

#LLM新里程碑

Jamba的發布標誌著LLM的兩個重要里程碑：

一是成功將Mamba與Transformer架構結合，二是將新形態的模型（SSM-Transformer）成功提升到了生產級的規模和品質。

目前效能最強的大模型全是基於Transformer的，儘管大家也都體認到了Transformer架構存在的兩個主要缺點：

記憶體佔用量大：Transformer的記憶體佔用量隨上下文長度而擴展。想要運行長上下文窗口，或大量並行批次就需要大量硬體資源，這限制了大規模的實驗和部署。

隨著上下文的增長，推理速度會變慢：Transformer的注意力機制導致推理時間相對於序列長度平方增長，吞吐會越來越慢。因為每個token都依賴它之前的整個序列，所以要做到超長上下文就變得相當困難。

年前，兩位來自卡內基美隆和普林斯頓的大佬提出了Mamba，一下子就點燃了人們的希望。

Mamba以SSM為基礎，增加了選擇性提取資訊的能力、以及硬體上高效的演算法，一舉解決了Transformer存在的問題。

這個新領域馬上就吸引了大量的研究者，arXiv上一時湧現了大量關於Mamba的應用和改進，例如將Mamba用於視覺的Vision Mamba。

不得不說，現在的科學研究領域實在是太捲了，把Transformer引入視覺（ViT）用了三年，但Mamba到Vision Mamba只花了一個月。

不過原始Mamba的上下文長度較短，加上模型本身也沒有做大，所以很難打過SOTA的Transformer模型，尤其是在與召回相關的任務上。

Jamba於是更進一步，透過Joint Attention and Mamba架構，整合了Transformer、Mamba、以及專家混合（MoE）的優勢，同時優化了記憶體、吞吐量和效能。

Jamba是第一個達到生產級規模（52B參數）的混合架構。

如下圖所示，AI21的Jamba架構採用blocks-and-layers的方法，使Jamba能夠成功整合這兩種架構。

每個Jamba區塊都包含一個注意力層或一個Mamba層，然後是一個多層感知器（MLP）。

Jamba的第二個特點，是利用MoE來增加模型參數的總數，同時簡化推理中所使用的活動參數的數量，從而在不增加計算要求的情況下提高模型容量。

為了在單一80GB GPU上最大限度地提高模型的品質和吞吐量，研究人員優化了使用的MoE層和專家的數量，為常見的推理工作負載留出足夠的記憶體。

對比Mixtral 8x7B等類似大小的基於Transformer的模型，Jamba在長上下文上做到了3倍的加速。

Jamba將在不久之後加入NVIDIA API目錄。

長上下文又出新選手

最近，各大公司都在卷長上下文。

具有較小上下文視窗的模型，往往會忘記最近對話的內容，而具有較大上下文的模型則避免了這種陷阱，可以更好地掌握所接收的數據流。

不過，具有長上下文視窗的模型，往往是計算密集的。

新創公司AI21 Labs的生成式模型就證明，事實並非如此。

Jamba在具有至少80GB顯存的單一GPU（如A100）上運行時，可以處理多達140,000個token。

這相當於大約105,000字，或210頁，是一本長度適中的長篇小說的篇幅。

相較之下，Meta Llama 2的上下文窗口，只有32,000個token，需要12GB的GPU顯存。

以今天的標準來看，這種上下文視窗顯然是偏小的。

對此，有網友也第一時間表示，性能什麼的都不重要，關鍵的是Jamba有256K的上下文，除了Gemini，其他人都沒有這麼長，— —而Jamba可是開源的。

Jamba真正的獨特之處

從表面上看，Jamba似乎並不起眼。

無論是昨天風頭正盛的DBRX，還是Llama 2，現在都已經有大量免費提供、可下載的生成式AI模型。

而Jamba的獨特之處，是藏在模型底下的：它同時結合了兩種模型架構－Transformer和狀態空間模型SSM。

一方面，Transformer是複雜推理任務的首選架構。它最核心的定義特徵，就是「注意力機制」。對於每個輸入數據，Transformer會權衡所有其他輸入的相關性，並從中提取以產生輸出。

另一方面，SSM結合了早期AI模型的多個優點，例如遞歸神經網路和卷積神經網絡，因此能夠實現長序列資料的處理，且運算效率更高。

雖然SSM有自己的限制。但一些早期的代表，例如由普林斯頓和CMU提出的Mamba，就可以處理比Transformer模型更大的輸出，在語言生成任務上也更優。

對此，AI21 Labs產品負責人Dagan表示－

#雖然也有一些SSM模型的初步範例，但Jamba是第一個生產規模的商業級模型。

在他看來，Jamba除了創新和趣味性可供社群進一步研究，還提供了巨大的效率，和吞吐量的可能性。

目前，Jamba是基於Apache 2.0許可發布的，使用限制較少但不能商用。後續的微調版本，預計將在幾週內推出。

即便還處在研究的早期階段，但Dagan斷言，Jamba無疑展示了SSM架構的巨大前景。

「這個模型的附加價值－無論是因為尺寸或架構的創新－都可以很容易地安裝到單一GPU上。」

#

以上是Mamba超強進化體一舉顛覆Transformer！單張A100跑140K上下文的詳細內容。更多資訊請關注PHP中文網其他相關文章！