只是换掉Transformer架构，立马性能全方位提升，问鼎同规模开源模型！

这就是最新Falcon Mamba 7B模型。

它采用Mamba状态空间语言模型架构来处理各种文本生成任务。

通过取消传统注意力机制，有效提升了模型处理长序列时计算效率低下的问题。

它可以处理无限长序列，但内存需求不增加。

无论上下文多长，生成每个token的时间基本一样。

由此，Falcon Mamba模型性能全方位提升，打败一众Transformer架构模型，如Llama-3.1(8B)、Mistral(7B)以及Falcon-2(11B)。

如上成果由阿联酋阿布扎比技术创新研究所(TII)带来，他们正是Falcon模型的开发团队。

该系列共包含四个模型：基础版本、指令微调版本、4bit版本和指令微调4bit版本。

最新模型遵循TII Falcon License 2.0开放协议，它在Apache 2.0协议下。

围观网友直呼：游戏规则要改变了！

全球首个开源SSLM

在性能上，Falcon Mamba 7B全方位超越一众开源模型。

它基于第一代Mamba。

Mamba是一种状态空间模型（SSM，State Space Model）。它结合了RNN和CNN的特点，通过引入一种选择机制，它允许模型根据当前的输入有选择地传播或忘记信息，从而提高处理文本信息的效率。

同时，它设计了一种硬件感知的并行算法，以递归模式运行，避免了GPU内存层级之间IO访问，提高计算效率。

最后它还简化了架构，将SSM架构和Transformer中的MLP块结合为单一的块。

从Transformer换到Mamba，能够让Falcon模型可以处理任意长序列，但无需增加内存。尤其适合单个A10 24GB GPU。

研究还讨论了两种不同的处理序列方法。

并行预填充方法适用于GPU并行处理，对内存需求较高；顺序填充方法适用于SSM模型，可以处理任意长度序列，从而不会受到内存限制。

为了确保大规模训练稳定，Falcon Mamba模型使用了额外的RMS标准化层。

RMS标准化层能够简化LayerNorm的计算过程，可减少计算量。

模型使用了5500GT数据训练，这些数据主要来自RefedWeb数据集以及公开数据。训练过程基本匀速，在训练后期增加了一小部分高质量策划数据，这有助于模型在最后阶段的优化。

在H100上，批大小为1、提示词长度为1-130k生成token的测试中，Falcon Mamba能够在生成新token时保持稳定的吞吐量，这意味着它的性能不受文本长度影响，可以稳定处理长序列，不会出现性能下降情况。

Falcon Mamba支持多种Hugging Face API，包括AutoModelForCausalLM、pipline。

还推出了一个指令调优版本，通过额外50亿个token进行微调，可以让模型准确性更高。

在Hugging Face、GitHub上都可访问最新模型~

参考链接：

https://huggingface.co/blog/falconmamba#hardware-performance

文章来自于微信公众号量子位 作者 明敏