原文来源：芝士AI吃鱼
有效整合新知识：大模型面临的挑战
大家使用过大型模型产品的时候可能会遇到一个共同的问题：在进行多轮对话时，模型可能会忘记之前的对话内容，导致回答不连贯。这实际上是由于大型模型在处理大量新内容时有时会力不从心，给人一种分心的感觉。
这个问题实际上也是当前大型模型面临的一个主要挑战，即如何有效地将大量新知识整合到模型中。目前常见的解决方法之一是微调（fine-tune），但这种方法不仅需要大量资源和复杂的流程，而且并不能总是清晰地指导模型如何整合新知识。例如，对《爱丽丝梦游仙境》这样的文本进行微调，不能让模型回答与故事本身相关的问题，只能让模型预测下一个词或者补全句子。这种情况让人感到很沮丧。
整合新知识的替代方法：上下文整合
除了微调外，另一种有效的替代方法是将新知识整合到上下文中，而无需进行模型训练。然而，这种方法受到模型上下文长度的限制。为了处理大型知识数据库，模型需要将上下文长度扩展到数百万个标记，但这在现实中是不可行的。即使是强大的GPT-4模型，其上下文长度也只有32K。
谷歌DeepMind研究团队最近提出了一种名为"Focused Transformer"（FoT）的注意力集中的Transformer架构，旨在解决大型模型的分心问题。他们使用FoT对LLaMA模型进行微调，从而获得了名为LongLLaMA的模型，其架构与LLaMA相同。通过解决大型模型的分心问题，LongLLaMA显著提高了模型的上下文长度，并且在passkey检索任务中甚至可以扩展到256K长度的上下文。更重要的是，LongLLaMA对标准Transformer的改动非常小，可以无缝切换到其他任务的大型语言模型。
Focused Transformer（FoT）是一种注重注意力集中的Transformer架构。它通过优化模型的注意力机制，帮助模型更好地处理大量新知识和上下文信息。这项创新技术的引入使得模型能够有效整合新知识，提高对话的连贯性。
在FoT的基础上，研究团队对LLaMA模型进行了微调，得到了LongLLaMA模型。与LLaMA相比，LongLLaMA在处理上下文长度方面取得了显著的改进。在passkey检索任务中，LongLLaMA能够处理长达256K的上下文信息，这在过去是难以实现的。
LongLLaMA-3B模型在上下文长度为100k时准确率达到94.5％，在上下文长度达到256k的准确率为73％，而标准的LLaMA-3B模型在上下文长度2k时准确率接近于0，已基本不可用了。
FoT的实现方法很简单，它实际和谷歌2022年提出的一个内存加大版的transormer—Memoryrizing Transormer非常相似，后面我们也会详细讨论FoT和它的区别。FoT额外使用了一块较大的内存来存储历史信息的key-value对，然后借鉴了对比学习的思想在训练阶段中使用跨批次训练（cross-btach）将大量历史信息融入到样本中以增强key-value对的空间结构，这样模型就能对更加专注在和当前问题非常相关的历史信息中。
目前LongLLaMA模型的代码和权重已经公布在github和Hugging Face：
论文链接:
https://arxiv.org/pdf/2307.03170.pdf
项目地址：
https://github.com/CStanKonrad/long_llama
Hugging Face：
https://huggingface.co/syzymon/long_llama_3b