原標(biāo)題：AMD發(fā)布首個AI小語言模型：6900億token、推測解碼提速3.88倍

　　10月1日消息，AMD發(fā)布了自己的首個小語言模型(SLM)，名為“AMD-135M”。

　　相比于越來越龐大的大語言模型(LLM)，它體積小巧，更加靈活，更有針對性，非常適合私密性、專業(yè)性很強(qiáng)的企業(yè)部署。

　　AMD-135小模型隸屬于Llama家族，有兩個版本：

　　一是基礎(chǔ)型“AMD-Llama-135M”，擁有多達(dá)6700億個token，在八塊Instinct MIM250 64GB加速器上訓(xùn)練了六天。

　　二是延伸型“AMD-Llama-135M-code”，額外增加了專門針對編程的200億個token，同樣硬件訓(xùn)練了四天。

　　創(chuàng)建與部署流程

　　它使用了一種名為“推測解碼”(speculative decoding)的方法，通過較小的草稿模型，在單次前向傳播中生成多個候選token，然后發(fā)送給更大的、更精確的目標(biāo)模型，進(jìn)行驗(yàn)證或糾正。

　　這種方法可以同時生成多個token，不會影響性能，還可以降低內(nèi)存占用，但因?yàn)閿?shù)據(jù)交易更多，功耗也會增加。

　　AMD還使用AMD-Llama-135M-code作為CodeLlama-7b的草案模型，測試了推測解碼使用與否的性能。

　　比如在MI250加速器上，性能可提升最多約2.8倍，銳龍AI CPU上可提升最多約3.88倍，銳龍AI NPU上可提升最多約2.98倍。

　　推測解碼

　　AMD-135M小模型的訓(xùn)練代碼、數(shù)據(jù)集等資源都已經(jīng)開源，遵循Apache 2.0。

　　按照AMD的說法，它的性能與其他開源小模型基本相當(dāng)或略有領(lǐng)先，比如Hellaswag、SciQ、ARC-Easy等任務(wù)超過Llama-68M、LLama-160M，Hellaswag、WinoGrande、SciQ、MMLU、ARC-Easy等任務(wù)則基本類似GTP2-124MN、OPT-125M。