Chatbots mais eficientes: Pesquisadores do MIT desenvolvem solução para melhorar o desempenho de modelos de linguagem natural

Picture of Maurício "o Estagiario"

Maurício "o Estagiario"

Textos otimizado com nossa IA

Published on maio 2, 2024, 8:14 am

Quando uma conversa entre um humano e uma IA envolve várias rodadas de diálogo contínuo, os poderosos modelos de aprendizado de máquina em linguagem natural que impulsionam chatbots como o ChatGPT às vezes começam a falhar, fazendo com que o desempenho dos bots se deteriore rapidamente.

Uma equipe de pesquisadores do MIT e de outros lugares identificou uma causa surpreendente desse problema e desenvolveu uma solução simples que permite que um chatbot mantenha uma conversa contínua sem travar ou desacelerar.

O método envolve um ajuste ao cache chave-valor (que é como uma memória de conversa) no núcleo de muitos modelos grandes de linguagem. Em alguns métodos, quando esse cache precisa armazenar mais informações do que tem capacidade, os primeiros dados são eliminados. Isso pode fazer com que o modelo falhe.

Garantindo que esses primeiros pontos de dados permaneçam na memória, o método dos pesquisadores permite que um chatbot continue conversando independentemente do tempo da conversa.

O método, chamado StreamingLLM, permite que um modelo permaneça eficiente mesmo quando a conversa se estende por mais de 4 milhões de palavras. Em comparação com outro método que evita travamentos recomputando constantemente parte das conversas anteriores, o StreamingLLM foi mais de 22 vezes mais rápido.

Isso poderia permitir que um chatbot conduzisse longas conversas ao longo do dia de trabalho sem precisar ser reiniciado continuamente, possibilitando assistentes virtuais eficientes para tarefas como redação, edição ou geração de código.

“Agora, com esse método, podemos implantar persistentemente esses grandes modelos de linguagem. Ao criar um chatbot com o qual sempre podemos conversar e que sempre pode responder com base em nossas conversas recentes, poderíamos usar esses chatbots em novas aplicações”, diz Guangxuan Xiao, estudante de pós-graduação em engenharia elétrica e ciência da computação (EECS) e autor principal de um artigo sobre o StreamingLLM.

Os coautores de Xiao incluem seu orientador, Song Han, professor associado na EECS, membro do Laboratório MIT-IBM Watson AI e cientista distinto da NVIDIA; bem como Yuandong Tian, cientista pesquisador no Meta AI; Beidi Chen, professor assistente na Universidade Carnegie Mellon; e o autor sênior Mike Lewis, cientista pesquisador no Meta AI. O trabalho será apresentado na Conferência Internacional sobre Representações de Aprendizado.

Um fenômeno intrigante

Grandes modelos de linguagem codificam dados, como palavras em uma consulta do usuário, em representações chamadas tokens. Muitos modelos empregam o que é conhecido como um mecanismo de atenção que usa esses tokens para gerar novo texto.

Normalmente, um chatbot gera novo texto com base no texto que acabou de ser visto e armazena os tokens recentes na memória chamada KV Cache para uso posterior. O mecanismo de atenção cria uma grade que inclui todos os tokens no cache: um “mapa de atenção” que mostra quão fortemente cada token ou palavra se relaciona a cada outro token.

Compreender essas relações é uma característica que permite aos grandes modelos de linguagem gerar textos parecidos com os humanos.

No entanto, quando o cache fica muito grande, o mapa de atenção pode se tornar ainda maior, o que diminui a velocidade de processamento.

Além disso, se a codificação do conteúdo requer mais tokens do que o cache pode armazenar, o desempenho do modelo diminui. Por exemplo, um modelo popular pode armazenar 4.096 tokens, mas há cerca de 10.000 tokens em um artigo acadêmico.

Para contornar esses problemas, os pesquisadores usam um “cache deslizante” que elimina os tokens mais antigos para adicionar novos tokens. No entanto, frequentemente o desempenho do modelo cai assim que o primeiro token é eliminado, reduzindo rapidamente a qualidade das palavras geradas posteriormente.

Neste novo artigo, os pesquisadores perceberam que se eles mantivessem o primeiro token no cache deslizante, o modelo manteria seu desempenho mesmo quando o tamanho do cache fos

Compartilhe

Facebook
Twitter
LinkedIn
WhatsApp
Email
Print

Leia mais sobre este assunto:

Conteudize