現在ChatGPT等大模型一大痛點：

處理長文本算力消耗巨大，背后原因是Transformer架構中注意力機制的二次復雜度。

FlashAttention作者Tri Dao參與提出的新架構，成為有力挑戰者，引起大量關注：

Mamba（曼巴，一種蛇），在語言任務上擊敗/匹配Transformer性能，具有線性復雜度和5倍推理吞吐量。

圖片

具體來說，Mamba在語言、音頻、DNA序列模態上都實現SOTA。

在最受關注的語言任務上，Mamba-3B超越同等規模的Transformer，與兩倍大的Transformer匹敵。

并且相關代碼、預訓練模型checkpoint都已開源。

兩位作者的解讀都獲得大量轉發。

圖片

有網友發現，連在線預測平臺上的“Transformer在2027年還是SOTA嗎？”都在這一天出現明顯下降。

圖片

有選擇處理信息+硬件感知算法。

Mamba是一種狀態空間模型（SSM，State Space Model）。

建立在更現代的適用于深度學習的結構化SSM（S4, Structured SSM）基礎上，與經典架構RNN有相似之處。

圖片

在先前研究的Mamba主要有三點創新：

• 對輸入信息有選擇性處理
• 硬件感知的算法
• 更簡單的架構

選擇性狀態空間模型

作者認為，序列建模的一個基礎問題是把上下文壓縮成更小的狀態。

從這個角度來看，注意力機制雖然高性能但低效率，需要顯式地存儲整個上下文（也就是KV緩存），直接導致訓練和推理消耗算力大。

類RNN的循環神經網絡具有有限的狀態，高效，但性能受到對上下文壓縮程度的限制。

Mamba的解決辦法，是讓模型對信息有選擇性處理，可以關注或忽略傳入的內容，即使狀態大小固定也能壓縮上下文。

一個直觀的類比：

Transformer就像人類每寫一個字之前，都把前面的所有字+輸入都復習一遍，所以寫的慢。

RNN每次只參考前面固定的字數，寫的快，但容易忘掉更前面的內容。

Mamba每次參考前面所有內容的一個概括，越往后寫對前面內容概括得越狠，丟掉細節保留大意。

在其前身結構化狀態空間模型（S4）中，四個參數A、B、C、?都是固定的，不隨輸入變化。

在Mamaba中，作者讓這些參數B、C、?成為輸入的函數，讓模型能夠根據輸入內容自適應地調整其行為。

圖片

硬件感知的狀態擴展

為了讓古老的SSM在現代GPU上也能高效計算，Mamba中使用了FlashAttention同款技術。

核心思想是利用內存的不同層級結構處理SSM的狀態，減少高帶寬但慢速的HBM內存反復讀寫這個瓶頸，具體來說：

• 在更高速的SRAM內存中執行離散化和遞歸操作，再將輸出寫回HBM。
• 通過并行掃描算法實現并行化。
• 當輸入從HBM加載到SRAM時，中間狀態不被保存，而是在反向傳播中重新計算。

圖片

簡化的SSM架構

將大多數SSM架構的基礎塊，與現代神經網絡中普遍存在的門控MLP相結合，組成新的Mamba塊。

重復這個塊，與歸一化和殘差連接結合，構成Mamba架構。

圖片

實驗結果

Mamba在Chinchilla縮放定律下預訓練時，語言任務優于同類開源模型。

對比對象中的Transformer++為標準GPT-3架構加上谷歌PaLM和Meta Llama中的改進方案，也就是已知最強Transformer配方。

圖片

下游任務上，每個規模尺寸的Mamba都是同類最佳，并且通常與兩倍規模的基線性能匹配。

圖片

特別是當序列長度增加到512k時，相比使用FlashAttention-2的Transformer快幾個數量級，而且不會內存不足。

圖片

Transformer的下一步？

最終，Mamba是第一個真正實現匹配Transformer性能的線性時間序列模型，無論是在預訓練困惑度還是下游任務評估方面。

并且在音頻和DNA序列建模上也優于之前的SOTA模型，表現出一定的通用性。

作者在結論中提出，Mamba是通用序列模型骨干的有力候選者。

Stability AI創始人當即表示關注。

圖片

英偉達科學家Jim Fan也對Transformer的挑戰者出現感到興奮。

圖片

論文兩位作者Albert Gu和Tri Dao，博士都畢業于斯坦福大學，導師為Christopher Ré。

Albert Gu現在是CMU助理教授，多年來一直推動SSM架構發展。

他曾在DeepMind 工作，目前是Cartesia AI的聯合創始人及首席科學家。

圖片

Tri Dao，以FlashAttention、FlashDecoding系列工作聞名，現在是普林斯頓助理教授，和Together AI首席科學家，也在Cartesia AI擔任顧問。

圖片

Cartesia AI公司介紹中提到致力于基于新架構構建下一代基礎模型，現在看來主要就是指創新的SSM架構。

聯創及CEO Karan Goel同為斯坦福博士畢業，也是Mamba的前身S4論文作者之一。

圖片

對于Mamba的下一步，在論文中有提到“探索新架構是否能適用于Transformer已建立起的豐富大模型生態”。

其中包括微調、自適應、提示學習、上下文學習、指令微調、RLHF、量化……也就是要把基礎模型發展成GPT-3.5、Llama同類的助手模型了。

圖片

但作者也提到，目前的實驗規模較小，要全面評估SSM是否能與Transformer和其他架構如RWKV、微軟RetNet競爭，至少還需要驗證7B規模。

圖片

在擴展SSM的過程中，還會遇到新的工程挑戰和對模型的調整，論文中沒有涉及。

最后，Albert Gu還分享了為什么把新架構起名為一種毒蛇的名字：

速度快、對序列建模問題很致命、前身S4是SSSS（嘶嘶嘶嘶）。

圖片

論文：https://arxiv.org/abs/2312.00752

參考鏈接：
[1]https://twitter.com/_albertgu/status/1731727672286294400
[2]https://twitter.com/_albertgu/status/1731727672286294400