懂AI
LongRoPE

LongRoPE

扩展大语言模型上下文窗口至200万以上标记的方法

LongRoPE项目提出了一种将大语言模型（LLM）上下文窗口扩展至超过200万个标记的方法。通过利用位置嵌入中的非均匀性，项目实现了8倍的上下文窗口扩展，无需微调。采用逐步扩展策略从256k微调至2048k上下文，避免了对超长文本的直接微调。LongRoPE还调整了原始窗口长度内的嵌入，确保在各种任务中保持高效表现，适用于对话、问答、长文档摘要及少样本学习。

LongRoPE大语言模型上下文窗口位置编码TransformerGithub开源项目
GitHub论文

LongRoPE 项目介绍

项目简介

LongRoPE 项目提出了一种创新方法，旨在将大型语言模型（LLMs）的上下文窗口扩展到超过200万个令牌。这项技术通过识别和利用位置嵌入中的两种非均匀形式，在插值过程中最小化信息损失，从而实现上下文的8倍扩展，而无需重新微调。此外，LongRoPE通过一种高效的渐进扩展策略，从256k微调到2048k上下文，而不是直接对极大的上下文进行微调。该技术适用于多种模型，如LLaMA2和Mistral，实验表明它在4k到2048k的上下文长度中依然表现出色。

项目描述

Transformer架构在处理大规模上下文时常面临自注意力计算的二次复杂性和无法泛化到训练时未见过的令牌位置的困扰。虽然已有诸如RoPE、AliBi和注意力陷阱等方法被提出来解决这些问题，但尚无一项技术能在保持模型准确度的前提下有效扩展到数百万个令牌的上下文。

LongRoPE通过渐进扩展策略来达成2048k上下文窗口，无需在极长文本上直接进行微调（这些文本极其罕见且难以获取）。从256k上下文长度开始对预训练的LLM进行微调性启动，再根据需要调整RoPE重缩因子以适应较短的上下文，并通过搜索算法来实现最小化位置插值以保持性能。

实施亮点

LongRoPE的实现包括：

  • 能够通过更多示例实现上下文学习，提升LLM的推理能力。
  • 构建能够利用更长上下文进行对话和问答任务的LLM代理。
  • 利用完整文档上下文进行长文档的总结。
  • 提供更多上下文示例来改进少样学习。
  • 采用完整的上下文窗口实现长期记忆。

模型架构

LongRoPE模型架构改变了大型语言模型的上下文窗口限制，通过渐进扩展策略和位置嵌入调整来实现扩展。关键创新在于：

  • **旋转位置编码（RoPE）：**提供了一种高效的位置信息编码方式。
  • **非均匀插值：**确保在上下文扩展过程中信息损失最小化。
  • **渐进扩展策略：**从256k上下文长度开始，以稳定性和性能为目标，逐步提高至目标长度。

性能和应用

LongRoPE在涉及长上下文的任务中表现出出色的表现，维持了较低的困惑度和高精度。这使得它可以适用于各类应用，包括上下文学习、长文档总结和少样学习。

实验结果

LongRoPE的实际实现取得了以下成果：

  1. 困惑度：

    • 4k上下文：0.XX
    • 128k上下文：0.XX
    • 2048k上下文：0.XX

  2. 关键检索精度：

    • 4k上下文：XX%
    • 128k上下文：XX%
    • 2048k上下文：XX%

  3. 准确性：

    • 4k上下文：XX%
    • 128k上下文：XX%
    • 2048k上下文：XX%

该项目有望在各种需要长上下文的自然语言处理任务中发挥重要作用，进一步推动LLM的应用发展。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多