AMD发布了首个AI小语言模型,其规模达到了6900亿token,并且推测解码速度提高了3.88倍。

10月1日消息,AMD发布了自己的首个小语言模型(SLM),名为“AMD-135M”。

相比于越来越庞大的大语言模型(LLM),它体积小巧,更加灵活,更有针对性,非常适合私密性、专业性很强的企业部署。

AMD发布了首个AI小语言模型,其规模达到了6900亿token,并且推测解码速度提高了3.88倍。_图1

AMD-135小模型隶属于Llama家族,有两个版本:

一是基础型“AMD-Llama-135M”,拥有多达6700亿个token,在八块Instinct MIM250 64GB加速器上训练了六天。

二是延伸型“AMD-Llama-135M-code”,额外增加了专门针对编程的200亿个token,同样硬件训练了四天。

AMD发布了首个AI小语言模型,其规模达到了6900亿token,并且推测解码速度提高了3.88倍。_图2

创建与部署流程

它使用了一种名为“推测解码”(speculative decoding)的方法,通过较小的草稿模型,在单次前向传播中生成多个候选token,然后发送给更大的、更精确的目标模型,进行验证或纠正。

这种方法可以同时生成多个token,不会影响性能,还可以降低内存占用,但因为数据交易更多,功耗也会增加。

AMD还使用AMD-Llama-135M-code作为CodeLlama-7b的草案模型,测试了推测解码使用与否的性能。

比如在MI250加速器上,性能可提升最多约2.8倍,锐龙AI CPU上可提升最多约3.88倍,锐龙AI NPU上可提升最多约2.98倍。

AMD发布了首个AI小语言模型,其规模达到了6900亿token,并且推测解码速度提高了3.88倍。_图3

推测解码

AMD发布了首个AI小语言模型,其规模达到了6900亿token,并且推测解码速度提高了3.88倍。_图4

AMD-135M小模型的训练代码、数据集等资源都已经开源,遵循Apache 2.0。

按照AMD的说法,它的性能与其他开源小模型基本相当或略有领先,比如Hellaswag、SciQ、ARC-Easy等任务超过Llama-68M、LLama-160M,Hellaswag、WinoGrande、SciQ、MMLU、ARC-Easy等任务则基本类似GTP2-124MN、OPT-125M。

AMD发布了首个AI小语言模型,其规模达到了6900亿token,并且推测解码速度提高了3.88倍。_图5