No Dejes Contexto Atrás: Transformadores de Contexto Infinito Eficientes con Infini-atención

Leave No Context Behind: Efficient Infinite Context Transformers with Infini-attention

April 10, 2024

Autores: Tsendsuren Munkhdalai, Manaal Faruqui, Siddharth Gopal

cs.AI

Resumen

Este trabajo presenta un método eficiente para escalar modelos de lenguaje grandes (LLMs) basados en Transformers a entradas de longitud infinita con memoria y cómputo acotados. Un componente clave en nuestra propuesta es una nueva técnica de atención denominada Infini-atención. La Infini-atención incorpora una memoria compresiva en el mecanismo de atención estándar e integra tanto la atención local enmascarada como los mecanismos de atención lineal a largo plazo en un solo bloque de Transformer. Demostramos la efectividad de nuestro enfoque en benchmarks de modelado de lenguaje de contexto largo, tareas de recuperación de bloques de contexto de 1M de longitud de secuencia y resumen de libros de 500K de longitud con LLMs de 1B y 8B parámetros. Nuestro enfoque introduce parámetros de memoria acotados mínimos y permite una inferencia rápida en flujo continuo para LLMs.

English

This work introduces an efficient method to scale Transformer-based Large Language Models (LLMs) to infinitely long inputs with bounded memory and computation. A key component in our proposed approach is a new attention technique dubbed Infini-attention. The Infini-attention incorporates a compressive memory into the vanilla attention mechanism and builds in both masked local attention and long-term linear attention mechanisms in a single Transformer block. We demonstrate the effectiveness of our approach on long-context language modeling benchmarks, 1M sequence length passkey context block retrieval and 500K length book summarization tasks with 1B and 8B LLMs. Our approach introduces minimal bounded memory parameters and enables fast streaming inference for LLMs.