MEMORY-VQ: Compression for Tractable Internet-Scale Memory

本文是深度学习相关文章,针对《MEMORY-VQ: Compression for Tractable Internet-Scale Memory》的翻译。

MEMORY-VQ:可追溯互联网规模存储器的压缩

摘要

检索增强是一种强大但昂贵的方法,可以使语言模型更了解世界。基于记忆的方法,如LUMEN,为检索到的段落预先计算token表示,以大大加快推理速度。然而,存储预计算的表示也会对内存产生更大的存储需求。
我们提出了MEMORY-VQ,这是一种在不牺牲性能的情况下降低内存增强模型存储需求的新方法。我们的方法使用矢量量化变分自动编码器(VQ-VAE)来压缩token表示。我们将MEMORY-VQ应用于LUMEN模型以获得LUMEN-VQ,这是一种在KILT基准上实现16x压缩率且性能相当的存储器模型。LUMEN-VQ能够实现实用的检索增强,即使是对于超大的检索语料库。

1 引言

2 背景

3 MEMORY-VQ

4 实验

5 相关工作

6 结论

我们介绍了MEMORY-VQ,这是一种在不影响性能的情况下降低内存增强语言模型存储需求的新方法。通过使用VQ-VAE来压缩token表示,我们获得了具有16x压缩的LUMEN模型,表示为LUMENVQ。值得注意的是,LUMEN-VQ保持了接近LUMEN和FiD的性能,并受益于LUMEN推理速度的提高和存储成本的大幅降低。使用MEMORY-VQ,记忆增强是一种实用的解决方案,可以在大量检索语料库的情况下大幅提高推理速度。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值