推荐做网站的话术本地南通网站建设

ICLR 2025 oral

• 随着语言模型（LLMs）的规模不断增长，其词表规模也随之扩大
  • 这导致训练过程中内存占用极度向一个层次倾斜：即交叉熵损失计算中的最后一层
  • 在计算交叉熵损失时，需要构造一个logit 矩阵，其每个条目对应输入 token 与词表中每个词项之间的得分
  • 对于小模型而言，这一操作所占内存甚至比整个 LLM 的其余部分还高出一个数量级
• ——>论文提出了 Cut Cross-Entropy（CCE），一种在不将完整 logits 写入全局内存的情况下计算交叉熵损失的方法
  • 仅计算目标 token 的 logit，并通过“按需计算”的方式完成 log-sum-exp 操作
  • 实现了一个自定义 kernel，在闪存（flash memory）中完成矩阵乘法和 log-sum-exp 的归约操作，从而使得交叉熵计算的全局内存占用几乎可以忽略不计。
• 以 Gemma 2（20 亿参数）模型为例，CCE 将损失计算的内存占用从 24 GB 降至 1 MB，将整个分类头（classifier head）在训练时的内存消耗从 28 GB 降至 1 GB。