Ultra-Schaars Geheugen Netwerk

Ultra-Sparse Memory Network

November 19, 2024

Auteurs: Zihao Huang, Qiyang Min, Hongzhi Huang, Defa Zhu, Yutao Zeng, Ran Guo, Xun Zhou

cs.AI

Samenvatting

Het is algemeen erkend dat de prestaties van Transformer modellen exponentieel gerelateerd zijn aan het aantal parameters en de computationele complexiteit. Terwijl benaderingen zoals Mixture of Experts (MoE) het aantal parameters ontkoppelen van de computationele complexiteit, worden ze nog steeds geconfronteerd met uitdagingen in inferentie vanwege hoge geheugentoegangskosten. Dit werk introduceert UltraMem, waarbij een grootschalige, ultra-schaarse geheugenlaag wordt opgenomen om deze beperkingen aan te pakken. Onze benadering vermindert aanzienlijk de inferentievertraging terwijl de modelprestaties behouden blijven. We onderzoeken ook de schaalwetten van deze nieuwe architectuur, waarbij wordt aangetoond dat deze niet alleen gunstige schalingseigenschappen vertoont, maar ook traditionele modellen overtreft. In onze experimenten trainen we netwerken met maximaal 20 miljoen geheugenslots. De resultaten tonen aan dat onze methode state-of-the-art inferentiesnelheid en modelprestaties behaalt binnen een gegeven computationeel budget.

English

It is widely acknowledged that the performance of Transformer models is exponentially related to their number of parameters and computational complexity. While approaches like Mixture of Experts (MoE) decouple parameter count from computational complexity, they still face challenges in inference due to high memory access costs. This work introduces UltraMem, incorporating large-scale, ultra-sparse memory layer to address these limitations. Our approach significantly reduces inference latency while maintaining model performance. We also investigate the scaling laws of this new architecture, demonstrating that it not only exhibits favorable scaling properties but outperforms traditional models. In our experiments, we train networks with up to 20 million memory slots. The results show that our method achieves state-of-the-art inference speed and model performance within a given computational budget.