让AI记住你说的话、让AI给你生成几十万字的小说！StreamingLLM 让无限长token成为可能
如今全世界有很多公司都在研究AI大模型（LLM）。但是在我们使用ChatGPT这样AI时候，可能聊着聊着它就告诉你要重新开始对话了！这就好像七秒记忆的鱼一样，转身就忘记了刚才聊天内容。你不得不重新开始！
如果AI大模型能够像人一样长时间对话，还能记住之前的内容，我们岂不是可以让它做很多事情？
比如写一个几十万字的小说！比如AI可以像你的朋友一样，记住了你的喜好，你说的每句话！除此之外，你可以要求 AI 助手总结长达数千页的报告，分析你项目里的代码！
今天，我要给大家介绍一种高效的框架StreamingLLM！，它可以让任何基于Transformer的语言模型（LLM）处理无限长度的文本，而不需要任何微调或额外的训练。
MIT、Meta AI、CMU的论文
传统AI大模型鱼一样健忘的原因
LLM都是在一定长度的数据块（或者叫做序列）上进行预训练的，比如Llama 2就是在4000个单词（或者叫做token）的序列上进行预训练的。
这意味着，当一个用户输入的文本超过了这个长度限制时（即使是分成多个不同的输入），LLM就会开始降低性能，也就是说，输出的质量会变得更差。
这对于想要使用LLM来帮助客户或员工进行开放式对话的企业来说是不可接受的。因为用户希望LLM能够在整个对话中保持一致的响应速度、信息量和相关性，而不是在对话进行到一半或者快结束时突然变得冷淡、迟钝或者无关。
StreamingLLM是什么？怎么解决AI健忘的？
StreamingLLM是由麻省理工学院（MIT）的研究团队提出的，它基于一个简单而有效的观察：在Transformer中，注意力机制（Attention）对于前面的token有着很强的偏好，即使它们并不是语义上很重要的。
这种现象被称为注意力汇聚（Attention Sink），意味着只要保留前面的一些token作为Key和Value（KV）状态，就可以在很大程度上恢复窗口注意力（Window Attention）的性能。
现有模型的长度外推能力有限
窗口注意力是一种只缓存最近的KV状态的方法，它可以节省大量的内存，但是当文本长度超过缓存大小时，它会失效。
StreamingLLM利用注意力汇聚的现象，提出了一种高效的框架，可以让任何基于Transformer的语言模型（LLM）处理无限长度的文本，而不需要任何微调或额外的训练。具体见文末论文。
StreamingLLM有两个主要的优点：
它可以让语言模型（LLM）处理比训练序列长度更长的文本，而不会出现性能下降或不稳定的问题。研究团队展示了StreamingLLM可以让Llama-2, MPT, Falcon和Pythia等流行的语言模型（LLM）稳定和高效地处理高达400万token2和更多 的文本。
它可以显著提高语言模型（LLM）在串流应用中的效率，比如多轮对话、实时生成等。研究团队比较了StreamingLLM和滑动窗口重计算（Sliding Window Recomputation）这两种方法，在串流设置下，StreamingLLM比滑动窗口重计算快了22.2倍。
无限长对话的AI能带来哪些机会？
可以提高服务和营销的效率和质量，比如客服、咨询、推荐等。
可以创造出各种类型的文本，比如新闻、小说、诗歌、歌词、代码等。
可以记住个人喜好，记住几个月前的聊天内容，也就是说它能像人一样记住你！这就有很大的商机在里面！
论文地址：
https://browse.arxiv.org/pdf/2309.17453.pdf
代码地址：
https://github.com/mit-han-lab/streaming-llm
出自：https://mp.weixin.qq.com/s/tAE4ePfVFTjqlMbEnxh3dw