直接扩展到无限长，谷歌Infini-Transformer终结上下文长度之争

AIGC动态欢迎阅读

原标题：直接扩展到无限长，谷歌Infini-Transformer终结上下文长度之争
关键字：注意力,上下文,报告,内存,模型
文章来源：机器之心
内容字数：5751字

内容摘要：

机器之心报道
编辑：小舟、陈萍不知 Gemini 1.5 Pro 是否用到了这项技术。
谷歌又放大招了，发布下一代 Transformer 模型 Infini-Transformer。
Infini-Transformer 引入了一种有效的方法，可以将基于 Transformer 的大型语言模型 (LLM) 扩展到无限长输入，而不增加内存和计算需求。使用该技术，研究者成功将一个 1B 的模型上下文长度提高到 100 万；应用到 8B 模型上，模型能处理 500K 的书籍摘要任务。
自 2017 年开创性研究论文《Attention is All You Need》问世以来，Transformer 架构就一直主导着生成式人工智能领域。而谷歌对 Transformer 的优化设计最近比较频繁，几天前，他们更新了 Transformer 架构，发布 Mixture-of-Depths（MoD），改变了以往 Transformer 计算模式。没过几天，谷歌又放出了这项新研究。专注 AI 领域的研究者都了解内存的重要性，它是智能的基石，可以为 LLM 提供高效的计算。然而，Transformer

原文链接：直接扩展到无限长，谷歌Infini-Transformer终结上下文长度之争

联系作者

文章来源：机器之心
作者微信：almosthuman2014
作者简介：专业的人工智能媒体和产业服务平台