我要投稿

加速推理6.4倍！Meta发布多Token推理框架

发布日期：2024-11-19 07:44:03 浏览次数： 2383

作者：CourseAI

微信搜一搜，关注“CourseAI”

一、当前LLM训练和推理遇到了哪些瓶颈

训练效率低下：传统的LLMs训练依赖于下一个Token的预测损失，但这种方法在推理能力方面存在效率低下的问题。
推理能力有限：模型在处理复杂推理任务时，往往受限于局部模式识别，缺乏对长期依赖性的把握。
生产速度慢：在推理时，现有的LLMs通常采用自回归生成，速度较慢

因此，Meta提出一种新的训练方法：

让模型在训练语料的每个位置同时预测接下来的n个Token, 每个独立的token各自计算交叉计算损失。
n个Token独立的输出头，又基于共享模型主干来并行预测每个未来的Token。
为了加速推理，提出一种高效的内存使用策略，通过调整前向和后向传播的顺序来减少GPU内存占用。将峰值GPU内存占用从O(nV + d)降低到O(V + d)，显著减少了内存需求，而且没有牺牲模型的运行时间。

二、加速推理的策略

在当前的大型语言模型（LLMs）中，词汇表的大小V远大于潜在表示的维度d，因此，Logit向量成为GPU内存使用的瓶颈。如果简单的实现多Token预测器，所有Logit及其梯度形状都是(n, V)，这严重限制了批量计算以及GPU内存均衡的使用率。

因此，通过调整前向和后向操作的顺序，在通过共享主干进行前向传递后，顺序地计算每个独立输出头的前向和后向传递，累积在主干的梯度上。虽然这样做会为输出头创建Logit（及其梯度），但这些在继续下一个输出头之前会被释放，只需要长期存储d维主干梯度即可。

操作顺序如下图所示：

三、亮点与不足

亮点

创新的训练方法：提出的多Token预测方法为LLMs的训练提供了一种新的视角。
显著的性能提升：实验结果表明，该方法在编码和自然语言模型上都取得了显著的性能提升。
推理速度的大幅提升：多Token预测模型在推理时能够实现更快的解码速度，对于实时应用具有重要意义。

不足

模型规模的依赖性：多Token预测的优势在较大规模的模型上更为明显，对于小型模型可能效果有限。
任务适用性：虽然在编码和某些自然语言处理任务上取得了成功，但该方法在其他类型的任务上的表现仍需进一步研究。
实现复杂性：多Token预测的架构和训练过程相对复杂，需要对现有训练框架进行调整。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-04-11

那个“爱马仕”，想拯救“智障”小龙虾

2026-04-10

重磅！Anthropic官方Harnerss发布了！

2026-04-10

刚刚，100 美金的 ChatGPT 来了

2026-04-09

技术教科书：顶级开发团队设计的Harness工程项目源码什么样

2026-04-09

Anthropic 官方 Harness 发布：全面解读 Managed Agents

2026-04-09

SDD-RIPER 团队落地指南：如何让整个团队在一周内跑通大模型编程

2026-04-09

Claude Managed Agents 公测发布！Agent 开发成本直降 500 倍

2026-04-09

Anthropic 今天发了一个新产品，可能会让一批做 AI 智能体基础设施的团队失业

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

Pencil：设计和写代码，以后就全让AI干了

2026-01-24

从0到1玩转Clawdbot：我花了40小时，把这些坑都踩完了

2026-01-26

深度解析——为什么Claude code CEO Dario 如此反中？

2026-01-23

刚刚Qwen 3.6 Plus上线预览：1M上下文，阿里Coding/Agent翻身战打响

2026-03-31

2026年国内如何注册 Claude 账号教程

2026-03-13

不会封号的Claude Code使用方法！已稳定测试一个月，还能共享给团队。

2026-01-14

我装了 9 个 Skill，终于看懂了 Google Antigravity 的野心

2026-01-21

Codex 独立 App 来了，这是一个新东西

2026-02-03

OpenAI 发布新的 Codex 桌面版，我现在不骂 Codex 难用了

2026-02-03

豆包 2.0 模型发布，全信息整理（全网最完整，另附 79 页 Model Card）

2026-02-14

大家都在问

12MB的Go二进制，让AI操控浏览器只花800 tokens，PinchTab凭什么这么省？

2026-04-07

华为AI 49元/月！贵？不贵？

2026-04-01

为什么这波 AI 产品都开始抢着做 CLI ？

2026-03-31

Harness Engineering 来了，SDD 还有意义吗？

2026-03-31

OpenAI不会干黄了吧？

2026-03-22

专访OpenAI首席科学家：我们离“AI自己做研究”有多远？

2026-03-22

编程选GPT-5.4，还是GPT-5.3-Codex？

2026-03-21

真实测评MiniMax M2.7，不吹不夸，它到底什么水平？

2026-03-20

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部