• <xmp id="om0om">
  • <table id="om0om"><noscript id="om0om"></noscript></table>
  • Conversational AI / NLP

    Hymba ????? ?? ????? ??? ?? ?? ?? ??

    Reading Time: 8 minutes

    ??? ?? ????? ?? ?????? ??? ??, ?? ??, ?-?(KV) ??? ??? ?? ?? ?? ??? ?? ??(LM)?? ?? ?? ?????. ??? ?? ??? ????? ???? ??? ???? ?? ???? ???? ??? ????. ??, Mamba ? Mamba-2? ?? ?? ?? ??(SSM)? ???? ???? ??? ???? ???? ?????, ????(memory recall) ???? ??? ??? ???? ???? ??? ??? ????.

    NVIDIA ????? ?? ???? ?? ??? ?? ???? ?? ????? ??? ????? SSM? ???? ????? ?? ?? ????? ???? ?? ?? ?? ??(SLM) ???? Hymba ? ??????. Hymba?? ??? ??? ???? ??? ????, SSM ??? ???? ?? ??? ?????.

    Hymba? ??? ????? ? ?? ????? ?????:

    1. ???? ????: ??? ??? 50% ??? ??? ?? ?? SSM ???? ??? ? ????.
    2. ?? ??? ??: SSM ??? ??? ??? ?? ??? ?? ? ?? ???? ??? ?? ?? ?? ???? ??? ???? ?? ????? ??? ? ????.
    3. KV ?? ???: ?-? ??? ??? ??? ?? ????? ?? ??? ??(?? ?? ???)? ???(??? ??? KV ?? ??) ?? ??? ? ????.
    4. ????? ??? ??: ??? ????? ??? ????? ???? ???? ???? ?????. ??? ????? ???? ?? ??? ????? ???? ??? ??? ???? ??? ????? ??? ‘?? ??’ ??? ?????.

    ? ???? Hymba 1.5B? ??? ??? ?? ?? ?? ??? Llama 3.2 1B, OpenELM 1B, Phi 1.5, SmolLM2 1.7B, Danube2 1.8B, Qwen2.5 1.5B? ?? ???? ????? ?? ?????. ??? ??? Transformer ??? ???? ? Hymba? ? ?? ???? ???? ?? ??? ??? ???? 10? ? ????.

    Hymba 1.5B? Hugging Face ???? GitHub?? ???????.

    Hymba 1.5B ??

    ?? 1? ?? ?? ???, ??? ?? ?? ?? ??(MB), ???(?/?) ???? Hymba 1.5B? ?? 2B ??(Llama 3.2 1B, OpenELM 1B, Phi 1.5, SmolLM2 1.7B, Danube2 1.8B, Qwen2.5 1.5B)? ??? ?????.

    ?? 1. Hymba 1.5B Base? 2B ?? ?? ?? ?? ??

    ? ????? MMLU, ARC-C, ARC-E, PIQA, Hellaswag, Winogrande, SQuAD-C? ???? ??? ??????. ???? PyTorch? ???? ??? ??? 8K, ?? ??? 128? NVIDIA A100 GPU?? ???????. ??? ?? ? ??? ??(OOM) ??? ??? ??? ??, OOM? ??? ??? ?? ??? ???? ?? OOM ?? ?? ??? ?? ???? ??????.

    Hymba ?? ??

    Mamba? ?? SSM? ???? ??? ???? ??? ?? ?? KV ?? ??? ???? ?? ???????. ??? ???? ???? ?? SSM? ?? ??? ??? ???? ????. ??? ??? ???? ?? ????? ???? ?? LM? ???? ?? ???? ? 1? ?????.

    ?? ??? ?? (%) ↑?? (%) ↑???(??/?) ↑?? ??(MB) ↓?? ??
    300M ?? ??? 100B ?? ??? ?? ??
    ?????(Llama)44.0839.98721.1414.7??? ?? ??, ????? ??
    State-space ??(Mamba)42.9819.234720.81.9?????? ?? ??? ???
    A. + ??? ??(???)44.0745.16776.3156.3?? ?? ??
    B. + ?? ??(??)45.1949.90876.7148.2? ??? ?? ??
    C. + ??/??? ???44.5648.792399.741.2?? ? ?? ?? ??
    D. + KV ?? ??45.1648.042756.539.4?? ???
    E. + ?? ??45.5951.792695.840.0??? ??? ???
    1.5B ?? ??? 1.5T ?? ???? ??
    F. + ??/??? 60.5664.15664.178.6?? ?? ?? ??
    G. + ???? ?? ??(2K→8K)60.6468.79664.178.6??? ? ?? ?? ?? ??
    ? 1. Hymba ??? ?? ???

    ??? ????? ??

    ????? ?? ?? ??? ???? SSM ??? ??? ???? ?? ??? ????? ??? ????? ?? ??? ???????. Hymba? ????? ?? ?? ??? ??? ??? SSM ??? ??? ???? ? ??? ??? ??? ??? ??? ? ??? ???. ? ????? ??? ?? ???? ??????.

    ?? 2. Hymba? ????? ?? ??

    ??? ? KV ?? ???

    ??? ??? ?? ??? ??????, KV ?? ?? ??? ????? ???? ??????. ?? ???? ?? Hymba? ?? ???? ??? ???? ???? ??? ??? KV ?? ??? ???? ????? ?? ??? ??????. ?? ?? ?? ?? ?? ???? 3? ????? ??? ?? 4??? ????.

    ?? 3. Hymba ?? ????

    ?? ??

    ??? ?? ??? 128?? ??? ??? ???? ?? ??? ?? ???? ??? ?? ??? ?? ??? ??? ?????. ? ??? ? ?? ??? ?????:

    • ??? ???? ???? ???? ????? ??????? ??? ??? ?????.
    • ??? ?? ?? ???
    ?? 4. ??? ???? ? Hymba? ??

    ?? ??

    ? ????? ??? ?? ?? ??? ?? ?? ????? ?? ?? ????? ??? ?????. ?? ?? ?? ??? ??? ???? SSM? ???? ??? ?? ??????. ?????, ????? ?? Hymba? ?? ?? ??? ??? ?????. ? ??? ?? ??? Hymba? ??? ??? ???? ??? ??? ???? ? ??? ???.

    ??? ????? ?? (Apples-to-apples comparison)

    ??? Hymba, ?? Mamba2, FFN? ??? Mamba2, Llama3 ???, Samba ???(Mamba-FFN-Attn-FFN) ????? ??? ???? ??????. ?? ??? ??? ?? ???? ???? SmolLM-Corpus?? 100? ?? ???? ???? ??????, ?? ???? ?? 10? ?? ??????.
    ?? ??? Hugging Face ???? lm-evaluation-harness? ???? ??? ???? ???????. Hymba? ??? ??, ?? ??, ??? ?? ?? ???? ?? ??? ??? ???????.

    ? 2? ?? ??? ? ?? ?? ??? ??? ?? ???? ??? ?? ????? ????, Hymba? ?? ???? ??? ??? ?????. Hymba? ?? ???? ?? ?? ?????? ?????(Wiki? ?? 18.62, LMB? ?? 10.38), ?? ?? ????? ??? ??? ??????. ?? SWDE?? 54.29, SQuAD-C?? 44.71? ????, ? ???? ?? ?? ?? ??(49.50)? ??????.

    ???? (PPL) ↓?? ?? ?? (%) ↑??? ?? (%) ↑
    Mamba215.8843.3452.52
    Mamba2 w/ FFN17.4328.9251.14
    Llama316.1947.3352.82
    Samba16.2836.1752.83
    Hymba14.549.554.57
    ? 2. ??? ???? 1,000? ?? ???? ??? ???? ??

    ?? ??? ?????? Hymba? SIQA(31.76)? TruthfulQA(31.64) ?? ???? ???? ?? ???? ???? ?? ?? 54.57? ??????. ?? Llama3? Mamba2? ?? ???? ?????. ????? Hymba? ??? ???? ???? ?? ?? ???? ??? ?? ?? ??? ??? ?????.

    ??? ? ???

    Hymba? ??? ? ??? ?? ? ??? ?????:

    1. Meta: ?? ?? ??? ?? ??? ???? ??? ???, ??? ?? ??? ??? ?????? ?????. ??? ?? ?? ?(?: Hymba? ? 128?)? ?????.
    2. BOS (Beginning-of-Sequence): ?? ?? ??? ??? ?? ??? ???? ??? ???, ?? ?? ?? ?? ?? ?????.
    3. Self: ?? ??? ?? ??? ???? ??? ???, ?? ??? ??? ?????.
    4. Cross: ?? ?? ??? ???? ??? ???, ?? ???? ??? ?????.

    Hymba? ??? ??? ?? Transformer? ?? ????. ?? Transformer??? ??? ??? BOS? ? ???? ??? ???, ?? Attention Sink ?? ??? ?????. ?? ?? Transformer? Self ??? ?? ??? ? ????. ?? Hymba? ?? ??, ??? ??, SSM ??? ?? ????? ???? ??? ??? ??? ?? ??? ??? ? ?? ?? ?????.

    ??, ?? ??? BOS?? ??? ??? ???? ??? ?? ??? ? ??? ? ?? ???. SSM ??? ??? ????? ???? ?? ??(Self ??? ??)? ? ??? ????. ??, ??? ??? Self? BOS ???? ? ????, ?? ??(Cross ??? ??)? ? ?? ??? ???. ?? Hymba? ????? ?? ??? ??? ?? ?? ?? ??? ??? ????? ?????, ??? ???? ???? ??? ?????.

    ?? 5. Meta ??, ???? ??? ???, Mamba ???? ??? Hymba ??? ?? ???
    ?? 6. Llama 3.2 3B ? Hymba 1.5B? ????? ??? ?? ??

    ?? ??? ??

    ??? ? ????? ???? SSM(Stepwise Sequential Memory) ??? ??? ???? ???? ??, ?? ??? ??? ? ?? ???? ??????. ? ??? ?? ??? ?? ??? ??????:

    1. ?? ??? ? ???/SSM ??? ??? ???? ??? ?? ???, ??(task)? ?? ????. ?? ??? ??? ??? ? ? ??? ?? ?? ??? ??? ? ??? ?????.
    2. ? ?? ???? SSM ??? ?? ????? ?? ??? ??? ??. ?? ???? ???? ??? ??(random guess) ???? ?? ?????.
    3. ?????, ??? ???/SSM ??? ???? Hellaswag ?????? ?? ????? 0.24%/1.1%? ??? ??? ????. ?? SSM ??? ??? ???? ? ?? ???? ?? ??? ??? ?????.
    ?? 7. ? ????? ??? ?? SSM ??? ??? ? Hellaswag? 1K ??? ???? ??? ???.

    ?? ???? ? ?? ??? ??

    ? ????? Hymba 1.5B Base? Hymba 1.5B Instruct ??? ?? ???? ??? ?? ???? ????.

    ?? ????

    1. ????? ????: ????? ??????? Mamba? ?? ??? ???? ????? ?? ??? ? ??? ??? ??, ???? ? ???? ???? ??? ????? ?????. ? ? ??? ??? ???? ? ??? ??? ??? ? ???, ???? ??? ?? ??? ??? ??? ??? ???? ????. SSM(Structured State Space Models)? ??? ?? ?? ???? ??? 5:1? ???????.
    2. ???? ??? ???: ? ??, ???, ??? ?? ???? ??? 3?? ?????? ?? ??? ??? ????, ??? 90%? ?????? ???? ??? ??? ??? ?????.
    3. ??? ??? KV ?? ??: ??? ? ?? ??? ??? ???? KV ?? ??? ???????. ? ??? GQA(Generalized Query Attention) KV ??? ??? ?? ?? ???? ? ??? ????? ?????.
    4. ?? ??: ? 128?? ?? ??? ??? ???? ????, ?? ?? ??(LLM)?? ??? ? ?? ???? ??(entropy collapse) ??? ?????. ?? ??? ??(Attention sink) ??? ????, ? ?? ??? ???? ??? ???? ??? ???.

    ?? ??? ??

    1. ????: ? ??? ???? ?? ?? ?? ??? ???????. ? ?? ????? ? ???? ???? ????? ??? ????? ?? ??? ??? ???? ????, ?? ??? ???? ???? ???? 1e-5? ??? ??? ???? ??? ??? ???????. ? ???? ? ?? ??? ????? ????? ?? ? ??? ? ?? ???? ?????.
    2. ??? ?? ??: Instruct ?? ??? ? ??? ?????. ? ?? ??? SFT-1??? ??? ??? ?? ??? ????, ??, ??, ?? ??, ????, ??? ?? ?? ?? ???? ????. ? ?? ??? SFT-2? ??? ??? ??? ??? ??? ????? ????.
    ?? 8. Hymba ?? ???? ?? ??? ?? ?????

    ?? ? ??? ??

    1.5T? ??? ?? ???? Hymba 1.5B ??? ?? ?? LM ??? ?? ??? ??? ???, ?? ????? ?? LM?? ? ?? ???? ?? ???? ?????.

    ?? ??, 13? ? ?? ???? ?? ??? ?? ??? ???? Qwen2.5? ?????? ? Hymba 1.5B? ?? ??? 1.55% ??, ??? 1.41?, ?? ??? 2.90?? ??????. 2T ??? ???? ??? ?? ??? ?? LM? h2o-danube2? ???? ?, ?? ??? ?? ??? 5.41% ??, ??? 2.45?, ?? ??? 6.23?? ?????.

    ??# ?????? ????/s??(MB)MMLU 5-shotARC-E 0-shotARC-C 0-shotPIQA 0-shotWino. 0-shotHella. 0-shotSQuAD-C 1-shot??
    Open
    ELM-1
    1.1B1.5T24634627.0662.3719.5474.7661.848.3745.3848.57
    Rene
    v0.1
    1.3B1.5T80011332.9467.0531.0676.4962.7551.1648.3652.83
    Phi
    1.5
    1.3B0.15T241157342.5676.1844.7176.5672.854830.0955.85
    Smol
    LM
    1.7B1T238157327.0676.4743.4375.7960.9349.5845.8154.15
    Cosmo1.8B.2T244157326.162.4232.9471.7655.842.938.5147.2
    h20
    danube2
    1.8B2T27149240.0570.6633.1976.0166.9353.749.0355.65
    Llama3.2 1B1.2B9T53526232.1265.5331.3974.4360.6947.7240.1850.29
    Qwen
    2.5
    1.5B18T46922960.9275.5141.2175.7963.3850.249.5359.51
    AMD
    OLMo
    1.2B1.3T387104926.9365.9131.5774.9261.6447.333.7148.85
    Smol
    LM2
    1.7B11T238157350.2977.7844.7177.0966.3853.5550.560.04
    Llama
    3.2 3B
    3.0B9T19191856.0374.5442.3276.6669.8555.2943.4659.74
    Hymba1.5B1.5T6647951.1976.9445.977.3166.6153.5555.9361.06
    ? 2. Hymba 1.5B ?? ?? ??

    ????? ??

    Hymba 1.5B Instruct ??? ?? ??? ???? ?? ?? ??? ???? ?? ?? ??? Qwen 2.5 Instruct? ? 2% ?????. ?? Hymba 1.5B? GSM8K/GPQA/BFCLv2?? ?? 58.76/31.03/46.40? ??? ?? ?? ??? ?????. ??? ??? ?? ??? ?? ??? ??? ???? Hymba 1.5B? ???? ?????.

    ??# ????MMLU ↑IFEval ↑GSM8K ↑GPQA ↑BFCLv2 ↑?? ↑
    SmolLM1.7B27.8025.161.3625.67-*20.00
    OpenELM1.1B25.656.2556.0321.62-*27.39
    Llama 3.21.2B44.4158.9242.9924.1120.2738.14
    Qwen2.51.5B59.7346.7856.0330.1343.8547.30
    SmolLM21.7B49.1155.0647.6829.2422.8340.78
    Hymba 1.5B1.5B52.7957.1458.7631.0346.4049.22
    ? 3. Hymba 1.5B Instruct ?? ??

    ??

    ??? Hymba ?? LM ???? ??? ??? ???? ?? ??? SSM ??? ???? ???? ?? ??? ??? ????? ?? ????? ???? ???. Hymba? ??? ?? ????? ?? ?? ??? ?? ??? ???? ??? ??? SSM ?? ??? ?? ?? ?? ??? ???? ??? ???? ??? ?? ???? ??????. Hymba? ???, ???? ?? ? ?? ??? ?? Hymba? ???? ???? ??? ??? ??? ???? ???? ??? ???? ??? ??? ?????. ?? ? ??? ????? ?? ????? ??? ?? ??? ???? ???? ?? ???? LM ??? ?? ??? ??? ?????.

    Hybma 1.5B Base ? Hymba 1.5B Instruct? ?? ??? ?????.

    ??? ?

    ? ??? Wonmin Byun, Zijia Chen, Ameya Sunil Mahabaleshwarkar, Shih-Yang Liu, Matthijs Van Keirsbilck, Min-Hung Chen, Yoshi Suhara, Nikolaus Binder, Hanah Zhang, Maksim Khadkevich, Yingyan Celine Lin, Jan Kautz, Pavlo Molchanov ? Nathan Horrocks? ??? ?? ???? ???? ???????.

    ?? ???

    Discuss (0)
    0

    Tags

    人人超碰97caoporen国产