10月1日消息，AMD發布了自己的首個小語言模型(SLM)，名為“AMD-135M”。
相比于越來越龐大的大語言模型(LLM)，它體積小巧，更加靈活，更有針對性，非常適合私密性、專業性很強的企業部署。
AMD-135小模型隸屬于Llama家族，有兩個版本：
一是基礎型“AMD-Llama-135M”，擁有多達6700億個token，在八塊Instinct MIM250 64GB加速器上訓練了六天。
二是延伸型“AMD-Llama-135M-code”，額外增加了專門針對編程的200億個token，同樣硬件訓練了四天。
創建與部署流程
它使用了一種名為“推測解碼”(speculative decoding)的方法，通過較小的草稿模型，在單次前向傳播中生成多個候選token，然后發送給更大的、更精確的目標模型，進行驗證或糾正。
這種方法可以同時生成多個token，不會影響性能，還可以降低內存占用，但因為數據交易更多，功耗也會增加。
AMD還使用AMD-Llama-135M-code作為CodeLlama-7b的草案模型，測試了推測解碼使用與否的性能。
比如在MI250加速器上，性能可提升最多約2.8倍，銳龍AI CPU上可提升最多約3.88倍，銳龍AI NPU上可提升最多約2.98倍。
推測解碼
AMD-135M小模型的訓練代碼、數據集等資源都已經開源，遵循Apache 2.0。
按照AMD的說法，它的性能與其他開源小模型基本相當或略有領先，比如Hellaswag、SciQ、ARC-Easy等任務超過Llama-68M、LLama-160M，Hellaswag、WinoGrande、SciQ、MMLU、ARC-Easy等任務則基本類似GTP2-124MN、OPT-125M。
本站內容除特別聲明的原創文章之外，轉載內容只為傳遞更多信息，并不代表本網站贊同其觀點。轉載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創文章及圖片等內容無法一一聯系確認版權者。如涉及作品內容、版權和其它問題，請及時通過電子郵件或電話通知我們，以便迅速采取適當措施，避免給雙方造成不必要的經濟損失。聯系電話：010-82306118；郵箱：aet@chinaaet.com。