Leave No Context Behind: Efficient Infinite Context Transformers with Infini-attention

要約

この研究では、限られたメモリと計算を使用して、Transformer ベースの大規模言語モデル (LLM) を無限に長い入力に拡張する効率的な方法を紹介します。
私たちが提案するアプローチの重要な要素は、Infini-attention と呼ばれる新しい注意テクニックです。
Infini-attention は、バニラ アテンション メカニズムに圧縮メモリを組み込み、単一の Transformer ブロックにマスクされたローカル アテンション メカニズムと長期線形アテンション メカニズムの両方を組み込みます。
長いコンテキスト言語モデリングのベンチマーク、1M シーケンス長のパスキー コンテキスト ブロックの取得、および 1B および 8B LLM を使用した 500K 長の本の要約タスクに対するアプローチの有効性を実証します。
私たちのアプローチでは、最小限の境界付きメモリ パラメーターが導入され、LLM の高速ストリーミング推論が可能になります。

要約(オリジナル)

This work introduces an efficient method to scale Transformer-based Large Language Models (LLMs) to infinitely long inputs with bounded memory and computation. A key component in our proposed approach is a new attention technique dubbed Infini-attention. The Infini-attention incorporates a compressive memory into the vanilla attention mechanism and builds in both masked local attention and long-term linear attention mechanisms in a single Transformer block. We demonstrate the effectiveness of our approach on long-context language modeling benchmarks, 1M sequence length passkey context block retrieval and 500K length book summarization tasks with 1B and 8B LLMs. Our approach introduces minimal bounded memory parameters and enables fast streaming inference for LLMs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google