58行代码把Llama 3扩展到100万上下文，任何微调版都适用
梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
堂堂开源之王Llama 3，原版上下文窗口居然只有……8k，让到嘴边的一句“真香”又咽回去了。
在32k起步，100k寻常的今天，这是故意要给开源社区留做贡献的空间吗？
开源社区当然不会放过这个机会：
现在只需58行代码，任何Llama 3 70b的微调版本都能自动扩展到1048k（一百万）上下文。
背后是一个LoRA，从扩展好上下文的Llama 3 70B Instruct微调版本中提取出来，文件只有800mb。
接下来使用Mergekit，就可以与其他同架构模型一起运行或直接合并到模型中。
所使用的1048k上下文微调版本，刚刚在流行的大海捞针测试中达到全绿（100%准确率）的成绩。
不得不说，开源的进步速度是指数级的。
1048k上下文LoRA怎么炼成的
首先1048k上下文版Llama 3微调模型来自Gradient AI，一个企业AI解决方案初创公司。
而对应的LoRA来自开发者Eric Hartford，通过比较微调模型与原版的差异，提取出参数的变化。
他先制作了524k上下文版，随后又更新了1048k版本。
首先，Gradient团队先在原版Llama 3 70B Instruct的基础上继续训练，得到Llama-3-70B-Instruct-Gradient-1048k。
具体方法如下：
调整位置编码：用NTK-aware插值初始化RoPE theta的最佳调度，进行优化，防止扩展长度后丢失高频信息
渐进式训练：使用UC伯克利Pieter Abbeel团队提出的Blockwise RingAttention方法扩展模型的上下文长度
值得注意的是，团队通过自定义网络拓扑在Ring Attention之上分层并行化，更好地利用大型GPU集群来应对设备之间传递许多KV blocks带来的网络瓶颈。
最终使模型的训练速度提高了33倍。
长文本检索性能评估中，只在最难的版本中，当“针”藏在文本中间部分时容易出错。
有了扩展好上下文的微调模型之后，使用开源工具Mergekit比较微调模型和基础模型，提取参数的差异成为LoRA。
同样使用Mergekit，就可以把提取好的LoRA合并到其他同架构模型中了。
合并代码也由Eric Hartford开源在GitHub上，只有58行。
目前尚不清楚这种LoRA合并是否适用于在中文上微调的Llama 3。
不过可以看到，中文开发者社区已经关注到了这一进展。
524k版本LoRA：
https://huggingface.co/cognitivecomputations/Llama-3-70B-Gradient-524k-adapter
1048k版本LoRA：
https://huggingface.co/cognitivecomputations/Llama-3-70B-Gradient-1048k-adapter
合并代码：
https://gist.github.com/ehartford/731e3f7079db234fa1b79a01e09859ac
参考链接：
[1]https://twitter.com/erhartford/status/1786887884211138784
— 完 —
点这里👇关注我，记得标星哦～
微信扫码关注该文公众号作者