Mamba架构第一次做大！混合Transformer，打败Transformer

摘要： 脱口秀是我生活的另一面撰文沈星月我那时候想考的高校是南方医科大学我虔诚到什么地步呢我晚上吃夜宵都是吃南方牌芝麻糊的等台下的观众笑完彭瑜紧接着继续抛梗小小的演播厅里顿时爆发出一阵笑声...

脱口秀是我生活的另一面。撰文 | 沈星月“我那时候想考的高校是南方医科大学，我虔诚到什么地步呢？我晚上吃夜宵都是吃南方牌芝麻糊的！”等台下的观众笑完，彭瑜紧接着继续抛梗，小小的演播厅里顿时爆发出一阵笑声。从家长里短到职业生涯趣事，在40岁那年，湖南妇女儿童医院生殖医学科医生彭瑜有了一个新身份—...

丰色 发自 凹非寺

量子位 | 公众号 QbitAI

精彩精彩，第一个把爆火Mamba架构真正扩展到足够大的工作来了。

520亿参数，还是Mamba+Transformer混合架构。

它的名字叫Jamba。

取两种架构之长，模型质量和效率兼得，要吞吐量有吞吐量，要低内存有低内存。

初步跑分显示：

Jamba性能总体接近Mixtral 8x-7B，处理128k长上下文时吞吐量却是其3倍。

一共支持256k上下文，而单张A100 GPU即可处理140k，直接拿下同等规模模型之最，高效又经济。

这项成果，来自以色列AI公司AI21labs。

Mamba原作者看了之后都激动转发：

绝对的“大 ”。

Mamba、Transformer，合体

由CMU和普林斯顿大学提出的Mamba，解决了Transformer的局限性（随着推理上下文越长，模型内存占用量越大，同时推理速度变慢，由此导致算力消耗巨大）。

但它也有自己的缺点——

在不关注整个上下文的情况下，Mamba的输出质量很差，尤其是在召回相关的任务上。

本着“既要也要”的原则，Jamba站出来提供两全其美之作。

Jamba由Transformer、Mamba和MoE层组成，可同时优化内存、吞吐量和性能。

如下图所示，为了集成两种架构，Jamba采用块层（blocks-and-layers）组合的创新方法。

简单来说，就是每个Jamba块包含一个注意力层或一个Mamba层，再跟一个多层感知器MLP，总体比例保证为每八层一个Transformer层。

其次，Jamba利用MoE来增加模型参数的总量，同时简化推理中使用的活动参数量。

最终模型容量高了，计算需求也没有相应的增加。

而为了在单张GPU（80GB）上最大限度地提高模型吞吐量，Jamba还优化了所用MoE层和专家数量，最终为日常推理工作负载留出足够内存。

值得一提的是，在推理时，Jamba的MoE层仅需520亿可用参数中的120亿，就能同时保证比同等大小的仅Transformer模型更高效。

要知道，此前有人光是尝试过扩展Mamba，就没能做到30亿参数之上。

因此，除了成功合体Mamba和Transformer，Jamba也达成了第二大成就：

同类中第一个达到生产级规模和质量的混合架构（SSM混Transformer）（ps. Mamba就是一种状态空间模型SSM）。

吞吐量和效率up

初步评估显示，Jamba在吞吐量和效率等关键指标上表现出色。

首先，Jamba可以在长上下文中提供3倍吞吐量，比Mixtral 8x7B等大小相当的Transformer模型都要高效。

如下图所示，当上下文窗口达到128k时，Jamba的每秒token数近乎1500，而此时表现最好的Mixtral 8x7B应该才在500往上的样子。

其次，在单张GPU上，Jamba最多可以容纳140k上下文，经济又高效。

相比之下，Mixtral 8x7B为64k，Llama2 70B则仅为16k。

第三，Jamba的输出质量也得到了保证。

在如下一系列推理基准上，4项中有3项它都拿下了SOTA。同时，在GSM8K等基准上，Jamba即使没有夺魁，也和SOTA模型打了个不相上下。

总体来说，Jamba的性能接近Mixtral 8x7B。

最后，作者提示，别忘了，这些都还只是初步改造后的结果，后续还有很多优化空间（比如MoE并行、更快的Mamba实现）。所以到时性能会更强。

好消息：Jamba现在已经上线Hugging Face，并且划重点：采用apache-2.0许可。

（Jamba的指令版本则将很快通过AI21labs平台上线。）

网友看完都感动哭了。

传送门：

https://huggingface.co/ai21labs/Jamba-v0.1

参考链接：

[1]https://www.ai21.com/blog/announcing-jamba

[2]https://www.ai21.com/jamba

[3]https://twitter.com/AI21Labs/status/1773350888427438424?s=20

[4]https://twitter.com/tri_dao/status/1773418926518734957?s=20