← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9658.b · 生成模型:DeepSeek-V4.1-Flash

规模扩张与并行化

理解等级:高级

Transformer 的规模不是炫耀,而是有经验规律支撑的策略。

线性尺度定律指出:模型规模增大,训练损失按比例下降,粗略地说参数翻倍、损失减半。但这条规律有个前提——训练词元数必须同步翻倍。只放大参数而不增加数据,模型会更快记住有限样本,规模收益被过拟合吞掉;后续工作进一步给出了参数与数据的配比建议。

规模能落地,靠的是可并行性。Transformer 把文本或图像当作词元序列处理,序列被填充或截断到固定长度后可以成批计算;自注意力中每对词元的比较彼此独立,没有递归依赖,因此能拆到不同加速器内核、甚至不同机器上;权重矩阵也可以分布存放。

代价是三重约束:算力、显存与互联带宽,任何一项不足都会让扩展效率下降;数据侧也会遇到高质量语料枯竭。换句话说,尺度定律描述的是投入换损失的经验曲线,不是无条件生效的物理定律。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《大模型技术30讲》第8讲 Transformer架构的成功(源文件:extracted/大模型技术30讲/_epub-src/EPUB/xhtml/chapter01_0012.xhtml) - 结论依据:原文 8.3 与 8.4 节给出线性尺度定律、词元数需同步翻倍的结论,以及词元成对比较可独立并行、权重矩阵可分布式存放的说明。 - 原始内容:线性尺度定律表明,随着模型规模增大,训练损失会成比例减少,这意味着模型大小翻一番,训练损失可能会减半。