夢晨 發自 凹非寺

現在ChatGPT等大模型一大痛點：

處理長文字算力消耗巨大，背後原因是Transformer架構中注意力機制的二次複雜度。

FlashAttention作者Tri Dao參與提出的新架構，成為有力挑戰者，引起大量關注：

Mamba（曼巴，一種蛇），在語言任務上擊敗/匹配Transformer性能，具有線性複雜度和5倍推理吞吐量。

具體來說，Mamba在語言、音訊、DNA序列模態上都實現SOTA。

在最受關注的語言任務上，Mamba-3B超越同等規模的Transformer，與兩倍大的Transformer匹敵。

並且相關程式碼、預訓練模型checkpoint都已開源。

兩位作者的解讀都獲得大量轉發。

有網友發現，連線上預測平臺上的「Transformer在2027年還是SOTA嗎？」都在這一天出現明顯下降。

有選擇處理資訊+硬體感知演算法。

Mamba是一種狀態空間模型（SSM，State Space Model）。

建立在更現代的適用於深度學習的結構化SSM（S4, Structured SSM）基礎上，與經典架構RNN有相似之處。

在先前研究的Mamba主要有三點創新：

• 對輸入資訊有選擇性處理

• 硬體感知的演算法

• 更簡單的架構

選擇性狀態空間模型

作者認為，序列建模的一個基礎問題是把上下文壓縮成更小的狀態。

從這個角度來看，注意力機制雖然高性能但低效率，需要顯式地儲存整個上下文（也就是KV快取），直接導致訓練和推理消耗算力大。

類RNN的循環神經網路具有有限的狀態，高效，但性能受到對上下文壓縮程度的限制。

Mamba的解決辦法，是讓模型對資訊有選擇性處理，可以關注或忽略傳入的內容，即使狀態大小固定也能壓縮上下文。

一個直觀的類比：

Transformer就像人類每寫一個字之前，都把前面的所有字+輸入都複習一遍，所以寫的慢。

RNN每次只參考前面固定的字數，寫的快，但容易忘掉更前面的內容。

Mamba每次參考前面所有內容的一個概括，越往後寫對前面內容概括得越狠，丟掉細節保留大意。

在其前身結構化狀態空間模型（S4）中，四個參數A、B、C、∆都是固定的，不隨輸入變化。

在Mamaba中，作者讓這些參數B、C、∆成為輸入的函數，讓模型能夠根據輸入內容自適應地調整其行為。

硬體感知的狀態擴展

為了讓古老的SSM在現代GPU上也能高效計算，Mamba中使用了FlashAttention同款技術。

核心思想是利用記憶體的不同層級結構處理SSM的狀態，減少高頻寬但慢速的HBM記憶體反覆讀寫這個瓶頸，具體來說：

• 在更高速的SRAM記憶體中執行離散化和遞迴操作，再將輸出寫回HBM。

• 通過並行掃描演算法實現並行化。

• 當輸入從HBM載入到SRAM時，中間狀態不被保存，而是在反向傳播中重新計算。

簡化的SSM架構

將大多數SSM架構的基礎塊，與現代神經網路中普遍存在的門控MLP相結合，組成新的Mamba塊。

重複這個塊，與歸一化和殘差連接結合，構成Mamba架構。

實驗結果

Mamba在Chinchilla縮放定律下預訓練時，語言任務優於同類開源模型。

對比對象中的Transformer++為標準GPT-3架構加上GooglePaLM和Meta Llama中的改進方案，也就是已知最強Transformer配方。

下游任務上，每個規模尺寸的Mamba都是同類最佳，並且通常與兩倍規模的基線性能匹配。

特別是當序列長度增加到512k時，相比使用FlashAttention-2的Transformer快幾個數量級，而且不會記憶體不足。

Transformer的下一步？

最終，Mamba是第一個真正實現匹配Transformer性能的線性時間序列模型，無論是在預訓練困惑度還是下游任務評估方面。

並且在音訊和DNA序列建模上也優於之前的SOTA模型，表現出一定的通用性。

作者在結論中提出，Mamba是通用序列模型骨幹的有力候選者。

Stability AI創始人當即表示關注。

英偉達科學家Jim Fan也對Transformer的挑戰者出現感到興奮。

論文兩位作者Albert Gu和Tri Dao，博士都畢業於史丹佛大學，導師為Christopher Ré。

Albert Gu現在是CMU助理教授，多年來一直推動SSM架構發展。

他曾在DeepMind 工作，目前是Cartesia AI的聯合創始人及首席科學家。

Tri Dao，以FlashAttention、FlashDecoding系列工作聞名，現在是普林斯頓助理教授，和Together AI首席科學家，也在Cartesia AI擔任顧問。

Cartesia AI公司介紹中提到致力於基於新架構構建下一代基礎模型，現在看來主要就是指創新的SSM架構。

聯創及CEOKaran Goel同為史丹佛博士畢業，也是Mamba的前身S4論文作者之一。

對於Mamba的下一步，在論文中有提到「探索新架構是否能適用於Transformer已建立起的豐富大模型生態」。

其中包括微調、自適應、提示學習、上下文學習、指令微調、RLHF、量化……也就是要把基礎模型發展成GPT-3.5、Llama同類的助手模型了。

但作者也提到，目前的實驗規模較小，要全面評估SSM是否能與Transformer和其他架構如RWKV、微軟RetNet競爭，至少還需要驗證7B規模。

在擴展SSM的過程中，還會遇到新的工程挑戰和對模型的調整，論文中沒有涉及。

最後，Albert Gu還分享了為什麼把新架構起名為一種毒蛇的名字：

速度快、對序列建模問題很致命、前身S4是SSSS（嘶嘶嘶嘶）。

論文：

https://arxiv.org/abs/2312.00752

參考連結：

[1]https://twitter.com/_albertgu/status/1731727672286294400

[2]https://twitter.com/_albertgu/status/1731727672286294400