只是換掉Transformer架構，立馬性能全方位提升，問鼎同規模開源模型！

（注意力機制不存在了）

這就是最新Falcon Mamba 7B模型。

它采用Mamba狀態空間語言模型架構來處理各種文本生成任務。

通過取消傳統注意力機制，有效提升了模型處理長序列時計算效率低下的問題。

它可以處理無限長序列，但內存需求不增加。

無論上下文多長，生成每個token的時間基本一樣。

由此，Falcon Mamba模型性能全方位提升，打敗一眾Transformer架構模型，如Llama-3.1(8B)、Mistral(7B)以及Falcon-2(11B)。

圖片

如上成果由阿聯酋阿布扎比技術創新研究所(TII)帶來，他們正是Falcon模型的開發團隊。

該系列共包含四個模型：基礎版本、指令微調版本、4bit版本和指令微調4bit版本。

最新模型遵循TII Falcon License 2.0開放協議，它在Apache 2.0協議下。

圍觀網友直呼：游戲規則要改變了！

全球首個開源SSLM

在性能上，Falcon Mamba 7B全方位超越一眾開源模型。

它基于第一代Mamba。

Mamba是一種狀態空間模型（SSM，State Space Model）。它結合了RNN和CNN的特點，通過引入一種選擇機制，它允許模型根據當前的輸入有選擇地傳播或忘記信息，從而提高處理文本信息的效率。

同時，它設計了一種硬件感知的并行算法，以遞歸模式運行，避免了GPU內存層級之間IO訪問，提高計算效率。

最后它還簡化了架構，將SSM架構和Transformer中的MLP塊結合為單一的塊。

從Transformer換到Mamba，能夠讓Falcon模型可以處理任意長序列，但無需增加內存。尤其適合單個A10 24GB GPU。

研究還討論了兩種不同的處理序列方法。

并行預填充方法適用于GPU并行處理，對內存需求較高；順序填充方法適用于SSM模型，可以處理任意長度序列，從而不會受到內存限制。

為了確保大規模訓練穩定，Falcon Mamba模型使用了額外的RMS標準化層。

RMS標準化層能夠簡化LayerNorm的計算過程，可減少計算量。

模型使用了5500GT數據訓練，這些數據主要來自RefedWeb數據集以及公開數據。訓練過程基本勻速，在訓練后期增加了一小部分高質量策劃數據，這有助于模型在最后階段的優化。

在H100上，批大小為1、提示詞長度為1-130k生成token的測試中，Falcon Mamba能夠在生成新token時保持穩定的吞吐量，這意味著它的性能不受文本長度影響，可以穩定處理長序列，不會出現性能下降情況。

圖片

Falcon Mamba支持多種Hugging Face API，包括AutoModelForCausalLM、pipline。

還推出了一個指令調優版本，通過額外50億個token進行微調，可以讓模型準確性更高。

在Hugging Face、GitHub上都可訪問最新模型~