研究人员开发了一种名为“slim attention”的新技术,可以在不影响精度的前提下将 Transformer 模型上下文内存大小减半。该方法在数学上与标准注意力机制相同,可将大上下文窗口的推理速度提高高达2倍。对于像Whisper这样的特定模型,slim attention 可将上下文内存减少8倍,从而在特定批处理大小下将 token 生成速度提高5倍。该技术还为T5-11B等模型提供了更大的内存缩减,实现了32倍的降低。 AI
影响 可能显著提高大型语言模型的推理效率并降低内存需求。
排序理由 详细介绍 Transformer 模型新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →