RecurrentGemma: Voorbij Transformers voor Efficiënte Open Taalmodellen
RecurrentGemma: Moving Past Transformers for Efficient Open Language Models
April 11, 2024
Auteurs: Aleksandar Botev, Soham De, Samuel L Smith, Anushan Fernando, George-Cristian Muraru, Ruba Haroun, Leonard Berrada, Razvan Pascanu, Pier Giuseppe Sessa, Robert Dadashi, Léonard Hussenot, Johan Ferret, Sertan Girgin, Olivier Bachem, Alek Andreev, Kathleen Kenealy, Thomas Mesnard, Cassidy Hardin, Surya Bhupatiraju, Shreya Pathak, Laurent Sifre, Morgane Rivière, Mihir Sanjay Kale, Juliette Love, Pouya Tafti, Armand Joulin, Noah Fiedel, Evan Senter, Yutian Chen, Srivatsan Srinivasan, Guillaume Desjardins, David Budden, Arnaud Doucet, Sharad Vikram, Adam Paszke, Trevor Gale, Sebastian Borgeaud, Charlie Chen, Andy Brock, Antonia Paterson, Jenny Brennan, Meg Risdal, Raj Gundluru, Nesh Devanathan, Paul Mooney, Nilay Chauhan, Phil Culliton, Luiz GUStavo Martins, Elisa Bandy, David Huntsperger, Glenn Cameron, Arthur Zucker, Tris Warkentin, Ludovic Peran, Minh Giang, Zoubin Ghahramani, Clément Farabet, Koray Kavukcuoglu, Demis Hassabis, Raia Hadsell, Yee Whye Teh, Nando de Frietas
cs.AI
Samenvatting
We introduceren RecurrentGemma, een open taalmodel dat gebruikmaakt van Google's nieuwe Griffin-architectuur. Griffin combineert lineaire recurrenties met lokale aandacht om uitstekende prestaties op het gebied van taal te bereiken. Het heeft een vaste grootte van de toestand, wat het geheugengebruik vermindert en efficiënte inferentie op lange sequenties mogelijk maakt. We bieden een vooraf getraind model aan met 2B niet-embedding parameters en een variant die is afgestemd op instructies. Beide modellen bereiken vergelijkbare prestaties als Gemma-2B, ondanks dat ze zijn getraind op minder tokens.
English
We introduce RecurrentGemma, an open language model which uses Google's novel
Griffin architecture. Griffin combines linear recurrences with local attention
to achieve excellent performance on language. It has a fixed-sized state, which
reduces memory use and enables efficient inference on long sequences. We
provide a pre-trained model with 2B non-embedding parameters, and an
instruction tuned variant. Both models achieve comparable performance to
Gemma-2B despite being trained on fewer tokens.