谷歌和Meta相繼在無(wú)限長(zhǎng)上下文建模領(lǐng)域展開(kāi)角逐。Transformer模型因二次復(fù)雜度及對(duì)長(zhǎng)序列處理的局限性，盡管已有線(xiàn)性注意力和狀態(tài)空間模型等次二次解決方案，但其預(yù)訓(xùn)練效率和下游任務(wù)準(zhǔn)確性仍不盡人意。谷歌近期推出的Infini-Transformer通過(guò)創(chuàng)新方法，使大型語(yǔ)言模型能夠處理無(wú)限長(zhǎng)輸入，且無(wú)需增加內(nèi)存與計(jì)算需求，引發(fā)業(yè)界關(guān)注。

緊隨其后，Meta攜手南加州大學(xué)、CMU、UCSD等研發(fā)團(tuán)隊(duì)，推出了名為MEGALODON的神經(jīng)架構(gòu)，同樣致力于無(wú)限長(zhǎng)文本的高效序列建模，上下文長(zhǎng)度無(wú)任何限制。MEGALODON在MEGA架構(gòu)基礎(chǔ)上，引入了復(fù)數(shù)指數(shù)移動(dòng)平均（CEMA）、時(shí)間步歸一化層、歸一化注意力機(jī)制及具備雙特征的預(yù)歸一化殘差配置等技術(shù)組件，旨在提升模型能力和穩(wěn)定性。

在與LLAMA2的對(duì)比試驗(yàn)中，擁有70億參數(shù)、經(jīng)過(guò)2萬(wàn)億訓(xùn)練token的MEGALODON展現(xiàn)出超越Transformer的效率優(yōu)勢(shì)。其訓(xùn)練損失為1.70，介于LLAMA2-7B（1.75）與13B（1.67）之間。一系列基準(zhǔn)測(cè)試進(jìn)一步證實(shí)了MEGALODON在不同任務(wù)與模式中相對(duì)于Transformers的顯著改進(jìn)。

MEGALODON的核心改進(jìn)在于對(duì)MEGA架構(gòu)的優(yōu)化，利用門(mén)控注意力機(jī)制與經(jīng)典指數(shù)移動(dòng)平均法。為增強(qiáng)大規(guī)模長(zhǎng)上下文預(yù)訓(xùn)練的能力與效率，研究者引入了CEMA，將MEGA中的多維阻尼EMA擴(kuò)展至復(fù)數(shù)域；并設(shè)計(jì)了時(shí)間步歸一化層，將組歸一化應(yīng)用于自回歸序列建模，實(shí)現(xiàn)沿順序維度的歸一化。此外，通過(guò)預(yù)歸一化與兩跳殘差配置調(diào)整，以及將輸入序列分塊為固定塊，確保了模型訓(xùn)練與推理過(guò)程中的線(xiàn)性計(jì)算與內(nèi)存復(fù)雜性。

在與LLAMA2的直接較量中，MEGALODON-7B在同等數(shù)據(jù)與計(jì)算資源條件下，訓(xùn)練困惑度顯著低于最先進(jìn)的Transformer變體。針對(duì)長(zhǎng)上下文建模能力的評(píng)估涵蓋了從2M的多種上下文長(zhǎng)度到Scrolls中的長(zhǎng)上下文QA任務(wù)，充分證明了MEGALODON處理無(wú)限長(zhǎng)度序列的能力。此外，在LRA、ImageNet、Speech Commands、WikiText-103和PG19等中小型基準(zhǔn)測(cè)試中，MEGALODON在體量與多模態(tài)處理方面展現(xiàn)卓越性能。