只是换掉 Transformer 架构，立马性能全方位提升，问鼎同规模开源模型！
（注意力机制不存在了）
这就是最新 Falcon Mamba 7B 模型。
它采用 Mamba 状态空间语言模型架构来处理各种文本生成任务。
通过取消传统注意力机制，有效提升了模型处理长序列时计算效率低下的问题。它可以处理无限长序列，但内存需求不增加。无论上下文多长，生成每个 token 的时间基本一样。
由此，Falcon Mamba 模型性能全方位提升，打败一众 Transformer 架构模型，如 Llama-3.1（8B）、Mistral（7B）以及 Falcon-2（11B）。
如上成果由阿联酋阿布扎比技术创新研究所（TII）带来，他们正是 Falcon 模型的开发团队。
该系列共包含四个模型：基础版本、指令微调版本、4bit 版本和指令微调 4bit 版本。
最新模型遵循 TII Falcon License 2.0 开放协议，它在 Apache 2.0 协议下。围观网友直呼：游戏规则要改变了！
全球首个开源 SSLM
在性能上，Falcon Mamba 7B 全方位超越一众开源模型。
它基于第一代 Mamba。
Mamba 是一种状态空间模型（SSM，State Space Model）。它结合了 RNN 和 CNN 的特点，通过引入一种选择机制，它允许模型根据当前的输入有选择地传播或忘记信息，从而提高处理文本信息的效率。
同时，它设计了一种硬件感知的并行算法，以递归模式运行，避免了 GPU 内存层级之间 IO 访问，提高计算效率。
最后它还简化了架构，将 SSM 架构和 Transformer 中的 MLP 块结合为单一的块。
从 Transformer 换到 Mamba，能够让 Falcon 模型可以处理任意长序列，但无需增加内存。尤其适合单个 A10 24GB GPU。
研究还讨论了两种不同的处理序列方法。
并行预填充方法适用于 GPU 并行处理，对内存需求较高；顺序填充方法适用于 SSM 模型，可以处理任意长度序列，从而不会受到内存限制。
为了确保大规模训练稳定，Falcon Mamba 模型使用了额外的 RMS 标准化层。
RMS 标准化层能够简化 LayerNorm 的计算过程，可减少计算量。
模型使用了 5500GT 数据训练，这些数据主要来自 RefedWeb 数据集以及公开数据。训练过程基本匀速，在训练后期增加了一小部分高质量策划数据，这有助于模型在最后阶段的优化。
在 H100 上，批大小为 1、提示词长度为 1-130k 生成 token 的测试中，Falcon Mamba 能够在生成新 token 时保持稳定的吞吐量，这意味着它的性能不受文本长度影响，可以稳定处理长序列，不会出现性能下降情况。
Falcon Mamba 支持多种 Hugging Face API，包括 AutoModelForCausalLM、pipline。还推出了一个指令调优版本，通过额外 50 亿个 token 进行微调，可以让模型准确性更高。
在 Hugging Face、GitHub 上都可访问最新模型~
参考链接：
https://huggingface.co/blog/falconmamba#hardware-performance
本文来自微信公众号：量子位（ID：QbitAI），作者：明敏，原标题《换掉 Transformer，7B 开源模型立刻登顶！任意长序列都能处理》
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。
本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/788/130.htm]
