58行代碼把Llama 3擴展到100萬上下文，任何微調版都適用
堂堂開源之王Llama 3，原版上下文窗口居然只有……8k，讓到嘴邊的一句“真香”又咽回去了。
在32k起步，100k尋常的今天，這是故意要給開源社區留做貢獻的空間嗎？
開源社區當然不會放過這個機會：
現在只需58行代碼，任何Llama 3 70b的微調版本都能自動擴展到1048k（一百萬）上下文。
背后是一個LoRA，從擴展好上下文的Llama 3 70B Instruct微調版本中提取出來，文件只有800mb。
接下來使用Mergekit，就可以與其他同架構模型一起運行或直接合并到模型中。
所使用的1048k上下文微調版本，剛剛在流行的大海撈針測試中達到全綠（100%準確率）的成績。
不得不說，開源的進步速度是指數級的。
1048k上下文LoRA怎么煉成的
首先1048k上下文版Llama 3微調模型來自Gradient AI，一個企業AI解決方案初創公司。
而對應的LoRA來自開發者Eric Hartford，通過比較微調模型與原版的差異，提取出參數的變化。
他先制作了524k上下文版，隨后又更新了1048k版本。
首先，Gradient團隊先在原版Llama 3 70B Instruct的基礎上繼續訓練，得到Llama-3-70B-Instruct-Gradient-1048k。
具體方法如下：
- 調整位置編碼：用NTK-aware插值初始化RoPE theta的最佳調度，進行優化，防止擴展長度后丟失高頻信息
- 漸進式訓練：使用UC伯克利Pieter Abbeel團隊提出的Blockwise RingAttention方法擴展模型的上下文長度
值得注意的是，團隊通過自定義網絡拓撲在Ring Attention之上分層并行化，更好地利用大型GPU集群來應對設備之間傳遞許多KV blocks帶來的網絡瓶頸。
最終使模型的訓練速度提高了33倍。
長文本檢索性能評估中，只在最難的版本中，當“針”藏在文本中間部分時容易出錯。
有了擴展好上下文的微調模型之后，使用開源工具Mergekit比較微調模型和基礎模型，提取參數的差異成為LoRA。
同樣使用Mergekit，就可以把提取好的LoRA合并到其他同架構模型中了。
合并代碼也由Eric Hartford開源在GitHub上，只有58行。
目前尚不清楚這種LoRA合并是否適用于在中文上微調的Llama 3。
不過可以看到，中文開發者社區已經關注到了這一進展。
524k版本LoRA：https://huggingface.co/cognitivecomputations/Llama-3-70B-Gradient-524k-adapter
1048k版本LoRA：https://huggingface.co/cognitivecomputations/Llama-3-70B-Gradient-1048k-adapter
合并代碼：https://gist.github.com/ehartford/731e3f7079db234fa1b79a01e09859ac
