文丨光錐智能 郝鑫
編輯丨劉雨琦
4000到40萬token，大模型正在以“肉眼可見”的速度越變?cè)健伴L(zhǎng)”。
長(zhǎng)文本能力似乎成為象征著大模型廠商出手的又一新“標(biāo)配”。
國(guó)外，OpenAI經(jīng)過三次升級(jí)，GPT-3.5上下文輸入長(zhǎng)度從4千增長(zhǎng)至1.6萬token，GPT-4從8千增長(zhǎng)至3.2萬token（token：模型輸入和輸出的基本單位）；OpenAI最強(qiáng)競(jìng)爭(zhēng)對(duì)手Anthropic一次性將上下文長(zhǎng)度打到了10萬token；LongLLaMA將上下文的長(zhǎng)度擴(kuò)展到25.6萬token，甚至更多。
國(guó)內(nèi)，光錐智能獲悉，大模型初創(chuàng)公司月之暗面發(fā)布智能助手產(chǎn)品Kimi Chat可支持輸入20萬漢字，按OpenAI的計(jì)算標(biāo)準(zhǔn)約為40萬token；港中文賈佳亞團(tuán)隊(duì)聯(lián)合MIT發(fā)布的新技術(shù)LongLoRA，可將7B模型的文本長(zhǎng)度拓展到10萬token，70B模型的文本長(zhǎng)度拓展到3.2萬token。
據(jù)光錐智能不完全統(tǒng)計(jì)，目前，國(guó)內(nèi)外已有OpenAI、Anthropic、Meta、月之暗面等一大批頂級(jí)的大模型技術(shù)公司、機(jī)構(gòu)和團(tuán)隊(duì)將對(duì)上下文長(zhǎng)度的拓展作為更新升級(jí)的重點(diǎn)。
毫無例外，這些國(guó)內(nèi)外大模型公司或機(jī)構(gòu)都是資本市場(chǎng)熱捧的“當(dāng)紅炸子雞”。
OpenAI自不必說，大模型Top級(jí)明星研究機(jī)構(gòu)，斬獲投資近120億美元，拿走了美國(guó)生成式AI領(lǐng)域60%的融資；Anthropic近期風(fēng)頭正盛，接連被曝亞馬遜、谷歌投資消息，前后相差不過幾天，估值有望達(dá)到300億美元，較3月份翻五番；成立僅半年的月之暗面出道即巔峰，一成立就迅速完成首輪融資，獲得紅杉、真格、今日資本、monolith等一線VC的押注，市場(chǎng)估值已超過3億美元，而后，紅杉孵化式支持，循序完成兩輪共計(jì)近20億元融資。
大模型公司鉚足勁攻克長(zhǎng)文本技術(shù)，上下文本長(zhǎng)度擴(kuò)大100倍意味著什么？
表面上看是可輸入的文本長(zhǎng)度越來越長(zhǎng)，閱讀能力越來越強(qiáng)。
若將抽象的token值量化，GPT-3.5的4000 token最多只能輸入3000個(gè)英文單詞或者2000個(gè)漢字，連一篇公眾號(hào)文章都難以讀完；3.2萬token的GPT-4達(dá)到了閱讀一篇短篇小說的程度；10萬token的Claude可輸入約7.5萬個(gè)單詞，僅22秒就可以閱讀完一本《了不起的蓋茨比》；40萬token的Kimi Chat支持輸入20萬漢字，閱讀一本長(zhǎng)篇巨著。
另一方面，長(zhǎng)文本技術(shù)也在推動(dòng)大模型更深層次的產(chǎn)業(yè)落地，金融、司法、科研等精艱深的領(lǐng)域里，長(zhǎng)文檔摘要總結(jié)、閱讀理解、問答等能力是其基本，也是亟待智能化升級(jí)的練兵場(chǎng)。
參考上一輪大模型廠商“卷”參數(shù)，大模型參數(shù)不是越大就越好，各家都在通過盡可能地?cái)U(kuò)大參數(shù)找到大模型性能最優(yōu)的“臨界點(diǎn)”。同理，作為共同決定模型效果的另一項(xiàng)指標(biāo)——文本長(zhǎng)度，也不是越長(zhǎng)，模型效果就越好。
有研究已經(jīng)證明，大模型可以支持更長(zhǎng)的上下文輸入與模型效果更好之間并不能直接畫上等號(hào)。模型能夠處理的上下文長(zhǎng)度不是真正的關(guān)鍵點(diǎn)，更重要的是模型對(duì)上下文內(nèi)容的使用。
不過，就目前而言，國(guó)內(nèi)外對(duì)于文本長(zhǎng)度的探索還遠(yuǎn)沒有達(dá)到“臨界點(diǎn)”狀態(tài)。國(guó)內(nèi)外大模型公司還在馬不停蹄地突破，40萬token或許也還只是開始。
為什么要“卷”長(zhǎng)文本？
月之暗面創(chuàng)始人楊植麟告訴光錐智能，在技術(shù)研發(fā)過程中，其團(tuán)隊(duì)發(fā)現(xiàn)正是由于大模型輸入長(zhǎng)度受限，才造成了許多大模型應(yīng)用落地的困境，這也是月之暗面、OpenAI等一眾大模型公司在當(dāng)下聚焦長(zhǎng)文本技術(shù)的原因所在。
比如在虛擬角色場(chǎng)景中，由于長(zhǎng)文本能力不足，虛擬角色會(huì)忘記重要信息；基于大模型開發(fā)劇本殺類游戲時(shí)，輸入prompt長(zhǎng)度不夠，則只能削減規(guī)則和設(shè)定，從而無法達(dá)到預(yù)期游戲效果；在法律、銀行等高精度專業(yè)領(lǐng)域，深度內(nèi)容分析、生成常常受挫。
在通往未來Agent和AI原生應(yīng)用的道路上，長(zhǎng)文本依然扮演著重要的角色，Agent任務(wù)運(yùn)行需要依靠歷史信息進(jìn)行新的規(guī)劃和決策，AI原生應(yīng)用需要依靠上下文本來保持連貫、個(gè)性化的用戶體驗(yàn)。
楊植麟認(rèn)為，無論是文字、語音還是視頻，對(duì)海量數(shù)據(jù)的無損壓縮可以實(shí)現(xiàn)高程度的智能。“無損壓縮或大模型研究的進(jìn)展曾極度依賴‘參數(shù)為王’模式，該模式下壓縮比直接與參數(shù)量相關(guān)。但我們認(rèn)為無損壓縮比或大模型的上限是由單步能力和執(zhí)行的步驟數(shù)共同決定的。其中，單步能力與參數(shù)量呈正相關(guān)，而執(zhí)行步驟數(shù)即上下文長(zhǎng)度。”
如果形象化地去理解這句話，“無損壓縮”就像是一位裁縫，需要把一塊完整的布裁剪成合身的衣服。一開始這位裁縫的思路是要去準(zhǔn)備各種尺寸的裁剪模板（參數(shù)），模板越多，裁剪出來的衣服也越合身。但現(xiàn)在的新思路是，即使模板不多，只要反復(fù)裁剪、量體裁衣也能使衣服極致合身。
同時(shí)，事實(shí)已經(jīng)證明，即使是千億參數(shù)的大模型也無法完全避免幻覺和胡說八道的問題。相比于短文本，長(zhǎng)文本可以通過提供更多上下文信息和細(xì)節(jié)信息，來輔助模型判斷語義，進(jìn)一步減少歧義，并且基于所提供事實(shí)基礎(chǔ)上的歸納、推理也更加準(zhǔn)確。
由此可見，長(zhǎng)文本技術(shù)既可以解決大模型誕生初期被詬病的一些問題，增強(qiáng)一些功能，同時(shí)也是當(dāng)前進(jìn)一步推進(jìn)產(chǎn)業(yè)和應(yīng)用落地的一環(huán)關(guān)鍵技術(shù)，這也從側(cè)面證明通用大模型的發(fā)展又邁入了一個(gè)新的階段，從LLM到Long LLM時(shí)代。
透過月之暗面的新發(fā)布的Kimi Chat，或許能一窺Long LLM階段大模型的升級(jí)功能。
首先是對(duì)超長(zhǎng)文本關(guān)鍵信息提取、總結(jié)和分析的基礎(chǔ)功能。如輸入公眾號(hào)的鏈接可以快速分析文章大意；新出爐的財(cái)報(bào)可以快速提取關(guān)鍵信息，并能以表格、思維導(dǎo)圖等簡(jiǎn)潔的形式呈現(xiàn)；輸入整本書、專業(yè)法律條文后，用戶可以通過提問來獲取有效信息。
?在代碼方面，可以實(shí)現(xiàn)文字直接轉(zhuǎn)化代碼，只要將論文丟給對(duì)話機(jī)器人，就能根據(jù)論文復(fù)現(xiàn)代碼生成過程，并能在其基礎(chǔ)上進(jìn)行修改，這比當(dāng)初ChatGPT發(fā)布會(huì)上，演示草稿生成網(wǎng)站代碼又進(jìn)了一大步。
在長(zhǎng)對(duì)話場(chǎng)景中，對(duì)話機(jī)器人還可以實(shí)現(xiàn)角色扮演，通過輸入公眾人物的語料，設(shè)置語氣、人物性格，可以實(shí)現(xiàn)與喬布斯、馬斯克一對(duì)一對(duì)話，國(guó)外大模型公司Character AI已經(jīng)開發(fā)了類似的AI伴侶應(yīng)用，且移動(dòng)端的DAU遠(yuǎn)高于ChatGPT，達(dá)到了361萬。在月之暗面的演示中，只需要一個(gè)網(wǎng)址，就可以在Kimi Chat中和自己喜歡的原神角色聊天。
以上的例子，共同說明了脫離簡(jiǎn)單的對(duì)話輪次，類ChatGPT等對(duì)話機(jī)器人正在走向?qū)I(yè)化、個(gè)性化、深度化的發(fā)展方向，這或許也是撬動(dòng)產(chǎn)業(yè)和超級(jí)APP落地的又一抓手。
楊植麟向光錐智能透露，不同于OpenAI只提供ChatGPT一個(gè)產(chǎn)品和最先進(jìn)的多模態(tài)基礎(chǔ)能力，月之暗面瞄準(zhǔn)的是下一個(gè)C端超級(jí)APP：以長(zhǎng)文本技術(shù)為突破，在其基礎(chǔ)通用模型基礎(chǔ)上去裂變出N個(gè)應(yīng)用。
“國(guó)內(nèi)大模型市場(chǎng)格局會(huì)分為 toB 和 toC 兩個(gè)不同的陣營(yíng)，在 toC 陣營(yíng)里，會(huì)出現(xiàn)super-app，這些超級(jí)應(yīng)用是基于自研模型做出來的?！睏钪谗肱袛嗟?。
不過，現(xiàn)階段市面上的長(zhǎng)文本對(duì)話場(chǎng)景還有很大的優(yōu)化空間。比如有些不支持聯(lián)網(wǎng)，只能通過官方更新數(shù)據(jù)庫才獲得最新信息；在生成對(duì)話的過程中無法暫停和修改，只能等待對(duì)話結(jié)束；即使有了背景資料和上傳文件支持，還是偶爾會(huì)出現(xiàn)胡說八道、憑空捏造的情況。
長(zhǎng)文本的“不可能三角”困境
在商業(yè)領(lǐng)域有一組典型的價(jià)格、質(zhì)量和規(guī)模的“不可能三角”，三者存在相互制約關(guān)系，互相之間不可兼得。
在長(zhǎng)文本方面，也存在文本長(zhǎng)短、注意力和算力類似的“不可能三角”。
（圖：文本長(zhǎng)短、注意力、算力“不可能三角”）
這表現(xiàn)為，文本越長(zhǎng)，越難聚集充分注意力，難以完整消化；注意力限制下，短文本無法完整解讀復(fù)雜信息；處理長(zhǎng)文本需要大量算力，提高成本。
追本溯源，從根本上看這是因?yàn)楝F(xiàn)在大部分模型都是基于Transformer結(jié)構(gòu)。該結(jié)構(gòu)中包含一項(xiàng)最重要的組件即自注意力機(jī)制，在該機(jī)制下，對(duì)話機(jī)器人就可以跨越用戶輸入信息順序的限制，隨意地去分析各信息間的關(guān)系。
但與之帶來的代價(jià)是，自注意力機(jī)制的計(jì)算量會(huì)隨著上下文長(zhǎng)度的增加呈平方級(jí)增長(zhǎng)，比如上下文增加32倍時(shí)，計(jì)算量實(shí)際會(huì)增長(zhǎng)1000倍。
一些發(fā)表的論文給予了佐證：過長(zhǎng)的上下文會(huì)使得相關(guān)信息的占比顯著下降，加劇注意力分散似乎成為了不可避免的命運(yùn)。
這就構(gòu)成了“不可能三角”中的第一組矛盾——文本長(zhǎng)短與注意力，也從根本上解釋了大模型長(zhǎng)文本技術(shù)難以突破的原因。
從“卷”大模型參數(shù)到現(xiàn)在，算力一直都是稀缺的資源。OpenAI創(chuàng)始人Altman曾表示，ChatGPT-4 32K的服務(wù)無法立馬完全向所有用戶開放，最大的限制就在于GPU短缺。
對(duì)此，楊植麟也稱：“GPU是一個(gè)重要的基礎(chǔ)，但還不光是GPU的問題。這里面是不同因素的結(jié)合，一方面是GPU，一方面是能源轉(zhuǎn)換成智能的效率。效率進(jìn)一步拆解可能包含算法的優(yōu)化、工程的優(yōu)化、模態(tài)的優(yōu)化以及上下文的優(yōu)化等等?！?/p>
更為重要的是，在大模型實(shí)際部署環(huán)節(jié)，企業(yè)端根本無法提供很大的算力支持，這也就倒逼廠商無論是擴(kuò)大模型參數(shù)還是文本長(zhǎng)度，都要緊守算力一關(guān)。但現(xiàn)階段要想突破更長(zhǎng)的文本技術(shù)，就不得不消耗更多的算力，于是就形成了文本長(zhǎng)短與算力之間的第二組矛盾。
騰訊NLP工程師楊雨（化名）表示：“大模型長(zhǎng)文本建模目前還沒有一個(gè)統(tǒng)一的解決方案，造成困擾的原因正是源于Transformer自身的結(jié)構(gòu)，而全新的架構(gòu)已經(jīng)在路上了?！?/p>
當(dāng)前無論從軟件還是硬件設(shè)計(jì)，大部分都是圍繞Transformer架構(gòu)來打造，短時(shí)間內(nèi)新架構(gòu)很難完全顛覆，但圍繞Transformer架構(gòu)產(chǎn)生了幾種優(yōu)化方案。
楊雨對(duì)光錐智能說，“目前主要有三種不同的解決方案，分別為借助模型外部工具輔助處理長(zhǎng)文本，優(yōu)化自注意力機(jī)制計(jì)算和利用模型優(yōu)化的一般方法?！?/p>
第一種解決方案的核心思路就是給大模型開“外掛”。主要方法是將長(zhǎng)文本切分為多個(gè)短文本處理，模型在處理長(zhǎng)文本時(shí)，會(huì)在數(shù)據(jù)庫中對(duì)短文本進(jìn)行檢索，以此來獲得多個(gè)短文本回答構(gòu)成的長(zhǎng)文本。每次只加載所需要的短文本片段，從而避開了模型無法一次讀入整個(gè)長(zhǎng)文本的問題。
第二種解決方案是現(xiàn)在使用最多的方法，主要核心在于重新構(gòu)建自注意力計(jì)算方式。比如LongLoRA技術(shù)的核心就在于將長(zhǎng)文本劃分成不同的組，在每個(gè)組里進(jìn)行計(jì)算，而不用計(jì)算每個(gè)詞之間的關(guān)系，以此來降低計(jì)算量，提高速度。
前兩種模式也被楊植麟稱之為“蜜蜂”模型，即通過對(duì)檢索增強(qiáng)的生成或上下文的降采樣，保留對(duì)部分輸入的注意力機(jī)制，來實(shí)現(xiàn)長(zhǎng)文本處理的效果。
據(jù)楊植麟介紹，在優(yōu)化自注意力機(jī)制計(jì)算還存在一種方式，也被其稱之為 “金魚”模型。即通過滑動(dòng)窗口等方式主動(dòng)拋棄上文，以此來專注對(duì)用戶最新輸入信息的回答。這樣做的優(yōu)點(diǎn)顯而易見，但是卻無法跨文檔、跨對(duì)話比較和總結(jié)分析。
第三種解決方案是專注于對(duì)模型的優(yōu)化。如LongLLaMA以O(shè)penLLaMA-3B和OpenLLaMA-7B 模型為起點(diǎn)，在其基礎(chǔ)上進(jìn)行微調(diào)，產(chǎn)生了LONGLLAMAs新模型。該模型很容易外推到更長(zhǎng)的序列，例如在8K token上訓(xùn)練的模型，可以很容易外推到256K窗口大小。
對(duì)模型的優(yōu)化還有一種較為普遍的方式，就是通過通過減少參數(shù)量（例如減少到百億參數(shù)）來提升上下文長(zhǎng)度，這被楊植麟稱之為 “蝌蚪”模型。這種方法會(huì)降低模型本身的能力，雖然能支持更長(zhǎng)上下文，但是任務(wù)難度變大后就會(huì)出現(xiàn)問題。
長(zhǎng)文本的“不可能三角”困境或許暫時(shí)還無解，但這也明確了大模型廠商在長(zhǎng)文本的探索路徑：在文本長(zhǎng)短、注意力和算力三者之中做取舍，找到最佳的平衡點(diǎn)，既能夠處理足夠的信息，又能兼顧注意力計(jì)算與算力成本限制。