開源之王Llama 3原本只有8k的上下文窗口，在開源社區(qū)技術(shù)大佬的努力下，僅需58行代碼，自動擴展到1048k（一百萬）上下文。怎么實現(xiàn)的？請看作者的分享。

堂堂開源之王Llama 3，原版上下文窗口居然只有……8k，讓到嘴邊的一句“真香”又咽回去了。?

在32k起步，100k尋常的今天，這是故意要給開源社區(qū)留做貢獻(xiàn)的空間嗎？

開源社區(qū)當(dāng)然不會放過這個機會：

現(xiàn)在只需58行代碼，任何Llama 3 70b的微調(diào)版本都能自動擴展到1048k（一百萬）上下文。

背后是一個LoRA，從擴展好上下文的Llama 3 70B Instruct微調(diào)版本中提取出來，文件只有800mb。

接下來使用Mergekit，就可以與其他同架構(gòu)模型一起運行或直接合并到模型中。

所使用的1048k上下文微調(diào)版本，剛剛在流行的大海撈針測試中達(dá)到全綠（100%準(zhǔn)確率）的成績。

不得不說，開源的進(jìn)步速度是指數(shù)級的。

1048k上下文LoRA怎么煉成的

首先1048k上下文版Llama 3微調(diào)模型來自Gradient AI，一個企業(yè)AI解決方案初創(chuàng)公司。

而對應(yīng)的LoRA來自開發(fā)者Eric Hartford，通過比較微調(diào)模型與原版的差異，提取出參數(shù)的變化。

他先制作了524k上下文版，隨后又更新了1048k版本。

首先，Gradient團隊先在原版Llama 3 70B Instruct的基礎(chǔ)上繼續(xù)訓(xùn)練，得到Llama-3-70B-Instruct-Gradient-1048k。

具體方法如下：

• 調(diào)整位置編碼：用NTK-aware插值初始化RoPE theta的最佳調(diào)度，進(jìn)行優(yōu)化，防止擴展長度后丟失高頻信息
• 漸進(jìn)式訓(xùn)練：使用UC伯克利Pieter Abbeel團隊提出的Blockwise RingAttention方法擴展模型的上下文長度

值得注意的是，團隊通過自定義網(wǎng)絡(luò)拓?fù)湓赗ing Attention之上分層并行化，更好地利用大型GPU集群來應(yīng)對設(shè)備之間傳遞許多KV blocks帶來的網(wǎng)絡(luò)瓶頸。

最終使模型的訓(xùn)練速度提高了33倍。

長文本檢索性能評估中，只在最難的版本中，當(dāng)“針”藏在文本中間部分時容易出錯。

有了擴展好上下文的微調(diào)模型之后，使用開源工具M(jìn)ergekit比較微調(diào)模型和基礎(chǔ)模型，提取參數(shù)的差異成為LoRA。

同樣使用Mergekit，就可以把提取好的LoRA合并到其他同架構(gòu)模型中了。

合并代碼也由Eric Hartford開源在GitHub上，只有58行。

目前尚不清楚這種LoRA合并是否適用于在中文上微調(diào)的Llama 3。

不過可以看到，中文開發(fā)者社區(qū)已經(jīng)關(guān)注到了這一進(jìn)展。

524k版本LoRA：

https://huggingface.co/cognitivecomputations/Llama-3-70B-Gradient-524k-adapter

1048k版本LoRA：

https://huggingface.co/cognitivecomputations/Llama-3-70B-Gradient-1048k-adapter

合并代碼：

https://gist.github.com/ehartford/731e3f7079db234fa1b79a01e09859ac

參考鏈接：

[1]https://twitter.com/erhartford/status/1786887884211138784