LM Infinite
1.0.0
Esses são os códigos do papel LM-Infinite: generalização de comprimento extremo zero para grandes modelos de idiomas (Prêmio NAACL 2024 empréstimo em papel) em Pytorch. O trabalho é feito por Chi Han, Qifan Wang, Hao Peng, Wenhan Xiong, Yu Chen, Heng Ji, Sinong Wang.
Neste artigo, os autores propõem um método simples, chamado LM-Infinite, para melhorar a generalização de comprimento de grandes modelos de linguagem com um comprimento extremo de tokens de 200m , sem atualizações adicionais de treinamento ou parâmetros.
Somos motivados pela primeira vez identificando três fatores subjacentes à falha de generalização do comprimento nos LLMs: (a) Fator 1: As distâncias invisíveis entre os tokens causam logits de atenção a explodir. (b) Fator 2: Um número invisível de tokens pode causar atenção a entropia além da faixa de treinamento à medida que o comprimento aumenta. (c) Fator 3: Iniciar poucos tokens ocupam uma região de características distintos e não deve ser descartada.
A idéia principal é usar (1) um
Implementamos o método LM-Infinite como um substituto para os Transformadores do Huggingface. Depois de carregar os modelos Transformers e, se for um modelo de llama, um modelo MPT ou um modelo GPT-J, você pode executar os seguintes códigos para ativar o LM-Infinite.
Para o modelo de lhama:
from models.llama import convert_llama_model
model = convert_llama_model(model, 4096, 10)
Para o modelo MPT:
from models.mpt_7b import convert_mpt_model
model = convert_mpt_model(model, 4096, 10)
Para o modelo GPT-J:
from models.gpt_j import convert_gpt_j_model
model = convert_gpt_j_model(model, 4096, 10)
Então, você pode usar o modelo como sempre!
Uma lista detalhada de pacotes Python de uma perspectiva da Anaconda pode ser encontrada no requirements.txt . Alguns pacotes foram instalados pela conda e outros por pip . Meus comandos para instalar os requisitos no ambiente Anaconda & Pip são os seguintes:
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
conda install -c conda-forge sentencepiece einops cudatoolkit-dev tqdm ipython datasets evaluate rouge-score protobuf accelerate langchain openai
pip install transformers deepspeed
├── LICENSE
├── README.md
├── requirements.txt
├── configs
│ └── zero3_efficient_config.json # config for deepspeed acceleration
├── data
│ ├── generation_metrics.py
│ ├── get_data.py # dataset loading and preprocessing
│ ├── passkey_retrieval
│ │ ├── create_passkey_data.py
│ │ ├── create_passkey_data.sh
│ │ └── passkey_retrieval_accuracy.py
│ └── split_pile_file.py # split the Pile dataset into task-specific files
├── models
│ ├── constant.py # a constant function model
│ ├── get_llama2
│ │ ├── convert_llama_weights_to_hf.py # convert llama-2 weights to huggingface format
│ │ └── download_llama2.sh
│ ├── get_model.py
│ ├── gpt_j.py
│ ├── lambda_attention.py # efficient implementation of lambda attention
│ ├── llama.py
│ ├── model_base.py
│ └── mpt_7b.py
├── scripts
│ ├── combine_evaluate_generation.py
│ ├── combine_results.py
│ ├── eval_downstream_tasks.py # evaluate on passkey retrieval task
│ ├── eval_generation.py # evaluate generation metrics
│ └── eval_ppl_deepspeed.py # evaluate perplexity
├── utils
│ ├── arguments.py
│ └── utils.py
└── visualization
├── plot_nll.py
├── position_pca.py
└── relative_attention_explosion.py
Para conjuntos de dados, você precisa preparar um conjunto de dados corpus. Se você baixar a fonte da pilha original (https://pile.eleuther.ai) para ${PILE_PATH}/test.jsonl.zst e ${PILE_PATH}/val.jsonl.zst , execute os seguintes comandos para extrair o conjunto de dados compactado.
cd ${PILE_PATH}
zstd -d ./ test.jsonl.zst
zstd -d ./ val.jsonl.zst
Em seguida, execute os seguintes comandos para dividir o conjunto de dados em arquivos específicos de tarefas.
cd ${REPOSITORY_ROOT}
mkdir -p ${PILE_PATH}/val
mkdir -p ${PILE_PATH}/test
python data/split_pile_file.py ${PILE_PATH}/val.jsonl ${PILE_PATH}/val
python data/split_pile_file.py ${PILE_PATH}/test.jsonl ${PILE_PATH}/test
No entanto, a pilha oficial não parece estar mais disponível para download, então você provavelmente precisa descobrir outra fonte (por exemplo, https://huggingface.co/datasets/arxiv_dataset ou https://openwebtext2.readthedocs.io/latest/). Como alternativa, você também pode usar seu próprio corpus. Ambas as duas opções exigem que você edite dados/get_data.py.
Para modelos de backbone, o artigo usa llama-2, llama, GPT-J e MPT-7B. Os últimos três modelos estão diretamente disponíveis no hub de modelos HuggingFace, para que não seja necessária ação de antemão. A chave de download do llama-2 precisa ser solicitada no formulário de solicitação Meta AI. Em seguida, execute o seguinte comando
bash models/get_llama2/download_llama2.sh
e siga os avisos para baixar os pontos de verificação para ${PATH_TO_LLAMA2_CHECKPOINTS} . Em seguida, corra
python models/get_llama2/convert_llama_weights_to_hf.py
--input_dir ${PATH_TO_LLAMA2_CHECKPOINTS}
--model_size 7B
--output_dir ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf
Para converter os pontos de verificação LLAMA-2-7B em formato Huggingface.
Os códigos exigem um ${LOG_DIR} para armazenar os logs e os resultados. Selecione um diretório com espaço suficiente.
Avaliando a perplexidade do modelo LLAMA-2 no conjunto de testes ARXIV.
TRIAL=llama2-infinite-ArXiv
mkdir -p $LOG_DIR/$TRIAL
CUDA_VISIBLE_DEVICES=0
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --include localhost:$CUDA_VISIBLE_DEVICES --master_port $MASTER_PORT scripts/eval_ppl_deepspeed.py
--deepspeed_config configs/zero3_efficient_config.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 100 --limit_distance 4096
--dataset the_pile --dataset_group ArXiv --split test --dataset_dir ${PILE_PATH}
--max_length 32770
--log_dir $LOG_DIR/$TRIAL
Uma breve explicação dos argumentos:
--model : o caminho ou nome para modelar. PASS decapoda-research/llama-7b-hf para usar llama, mosaicml/mpt-7b para usar o MPT-7B e EleutherAI/gpt-j-6b para usar o GPT-J-6b.--tokenizer_path : o caminho para o tokenizer. Remova esse argumento se não estiver usando llama-2.--use_lambda_attention : use a atenção do lambda. (Necessário para LM-Infinite)--local_branch : o tamanho da filial local. 2048 para llama, MPT-7B e GPT-J (necessário para LM-Infinite)--global_branch : o tamanho da filial global. A faixa 10-100 fornece efeito geralmente semelhante. (Necessário para LM-Infinite)--limit_distance : o limite de distância. 2048 para llama, MPT-7B e GPT-J (necessário para LM-Infinite)--dataset : o nome do conjunto de dados. Consulte Data/get_data.py para descobrir como usar conjuntos de dados personalizados. Se você deseja avaliar modelos de baunilha sem LM-Infinite, basta remover o --use_lambda_attention --local_branch 4096 --global_branch 100 --limit_distance 4096 .
Se você deseja avaliar apenas um subconjunto do conjunto de testes, poderá usar o argumento --start_data_from para especificar o índice inicial do conjunto de testes e/ou --max_data_num para especificar o número de exemplos após esse índice.
TRIAL=llama2-infinite-ArXiv-extreme
CUDA_VISIBLE_DEVICES=0
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
echo port: $MASTER_PORT
mkdir -p $LOG_DIR/$TRIAL
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --include localhost:$CUDA_VISIBLE_DEVICES --master_port $MASTER_PORT scripts/eval_infinite_ppl.py
--deepspeed_config configs/zero3_efficient_config.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 10 --limit_distance 4096
--dataset the_pile --dataset_group ArXiv --split test --dataset_dir ${PILE_PATH}
--streaming_length 200000000 --max_length 128000 --start_data_from 2300
--log_dir $LOG_DIR/$TRIAL
Gerando avaliação do modelo LLAMA-2 no conjunto de testes ARXIV.
TRIAL=llama2-infinite-generate-ArXiv
mkdir -p $LOG_DIR/$TRIAL
CUDA_VISIBLE_DEVICES=0
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --include localhost:$CUDA_VISIBLE_DEVICES --master_port $MASTER_PORT scripts/eval_generation.py
--deepspeed_config configs/zero3_efficient_config.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 100 --limit_distance 4096
--dataset the_pile --dataset_group ArXiv --split test --dataset_dir ${PILE_PATH}
--max_length 33000
--max_generation_length 100 --evaluate_metrics --evaluate_positions 4096 8192 12288 16384
--log_dir $LOG_DIR/$TRIAL
Primeiro, precisamos preparar o conjunto de dados de recuperação da Passkey.
for MAX_LENGTH in 2048 3072 4096 5120 6144 7168 8192 10240 12288 14335 16384; do
echo $MAX_LENGTH
python data/passkey_retrieval/create_passkey_data.py
--token-length $MAX_LENGTH
--dump-file-path ${PASSKEY_DATA}/${MAX_LENGTH}
--tokenizer-path ${PATH_TO_LLAMA2_CHECKPOINTS}
--num-samples 1000
done
Então, vamos avaliar a tarefa de recuperação da Passkey.
CUDA_VISIBLE_DEVICES=0
for MAX_LENGTH in 6144 8192 10240 12288 16384; do
TRIAL=llama2-infinite-passkey-$MAX_LENGTH
mkdir -p $LOG_DIR/$TRIAL
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --master_port $MASTER_PORT --include localhost:$CUDA_VISIBLE_DEVICES scripts/eval_downstream_tasks.py
--deepspeed_config configs/zero3_efficient_config.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 10 --limit_distance 4096 --triangle_offset 0
--top_k_attention 5 --top_k_from_layer 4
--dataset passkey_retrieval --dataset_dir ${PASSKEY_DATA} --dataset_group ${MAX_LENGTH}
--max_generation_length 7 --evaluate_metrics
--log_dir $LOG_DIR/$TRIAL
done
Executando a tarefa Qasper:
CUDA_VISIBLE_DEVICES=0
DATASET=qasper
TRIAL=llama2-infinite-$DATASET
mkdir -p $LOG_DIR/$TRIAL
MASTER_PORT=$(shuf -i 29500-65535 -n 1)
echo port: $MASTER_PORT
DS_SKIP_CUDA_CHECK=1 PYTHONPATH=. deepspeed --include localhost:$CUDA_VISIBLE_DEVICES --master_port $MASTER_PORT scripts/eval_downstream_tasks.py
--deepspeed_config configs/zero3_efficient_config_large.json
--model ${PATH_TO_LLAMA2_CHECKPOINTS}/llama-2-7b-hf --tokenizer_path ${PATH_TO_LLAMA2_CHECKPOINTS}
--use_lambda_attention --local_branch 4096 --global_branch 10 --limit_distance 4096 --triangle_offset 0
--top_k_attention 5 --top_k_from_layer 4
--dataset $DATASET --split test --evaluate_metrics
--max_length 6144 --truncation_side center
--log_dir $LOG_DIR/$TRIAL
@inproceedings{han2024lm,
title={LM-Infinite: Zero-Shot Extreme Length Generalization for Large Language Models},
author={Han, Chi and Wang, Qifan and Peng, Hao and Xiong, Wenhan and Chen, Yu and Ji, Heng and Wang, Sinong},
booktitle={Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers)},
pages={3991--4008},
year={2024}
}
