本文是LLM系列文章,针对《Head-wise Shareable Attention for Large Language Models》的翻译。
摘要
大型语言模型(LLM)具有大量的参数,这限制了它们在边缘设备上的部署。权重共享是一种很有前途的解决方案,它鼓励权重重用,有效地减少内存使用,同时减少性能下降。然而,当前的权重共享技术主要关注像BERT这样的小规模模型,并使用粗粒度的共享规则,例如逐层共享。考虑到LLM的普遍性和共享整个层或块明显削弱了权重共享的灵活性,这就变得有限了。在本文中,我们对大型语言模型的头部可共享注意力提出了一个观点。我们进一步提出了两种高效记忆的方法,它们在注意力头之间共享参数,特别关注LLM。两者都使用相同的动态策略来选择共享权重矩阵。第一种方法直接重用预训练的权重,而无需重新训练,表示为DirectShare。第二种方法首先在权重矩阵相似性约束下进行后训练,然后进行共享,表示为PostShare。实验结果表明,我们的头部共享模型仍然保持着令人满意的能力,证明了细粒度权重共享应用于LLM的可行性。