单一作者论文，谷歌提出百万专家Mixture，超越密集前馈、稀疏MoE

文章预览

机器之心报道 编辑：泽南、杜伟 释放进一步扩展 Transformer 的潜力，同时还可以保持计算效率。 标准 Transformer 架构中的前馈（FFW）层会随着隐藏层宽度的增加而导致计算成本和激活内存的线性增加。在大语言模型（LLM）体量不断增大的现在，稀疏混合专家（MoE）架构已成为解决此问题的可行方法，它将模型大小与计算成本分离开来。很多新兴的 MoE 模型都可以实现相同体量之上，更好的性能与更强大的表现。 最近发现的细粒度 MoE 扩展定律表明，更高的粒度可带来更好的性能。然而由于计算和优化方面的挑战，现有的 MoE 模型仅限于低数量专家。 本周二， Google DeepMind 的新研究引入了一种参数高效的专家检索机制，其利用乘积密钥技术从一百万个微型专家中进行稀疏检索 。 链接：https://arxiv.org/abs/2407.04153 该方法尝试通过用于路由的学习索引结构 ………………………………