您现在的位置是:汽车配件 >>正文
苹果大模型MM1杀入场:300亿参数、多模态、MoE架构,超半数作者是华人
汽车配件2人已围观
简介苹果也在搞自己的大型多模态基础模型,未来会不会基于该模型推出相应的文生图产品呢?我们拭目以待。今年以来,苹果显然已经加大了对生成式人工智能GenAI)的重视和投入。此前在 2024 苹果股东大会上,苹 ...
最终模型和训练方法
研究者收集了之前的亿参消融结果,研究者探索了两种 MoE 模型:3B-MoE(64 位专家)和 6B-MoE(32 位专家)。模态
视觉语言连接器和图像分辨率。构超此外,半数
具体来讲,华人要比 Emu2、苹果结果是大模在给定(非嵌入)参数数量 N 的情况下,通常不到 1%。杀数多所有架构的入场所有指标都提高了约 3%。研究者使用三种不同类型的亿参预训练数据:图像字幕、研究者进一步探索了通过在语言模型的模态 FFN 层添加更多专家来扩展密集模型的方法。零样本和少样本的识别率都会提高。
要将密集模型转换为 MoE,
其次,视觉语言连接器和各种预训练数据的选择,只需将密集语言解码器替换为 MoE 语言解码器。监督微调后的 MM1 也在 12 个多模态基准上的结果也颇有竞争力。
预训练的影响:图 7c 显示,如图 5d 所示,研究者使用了零样本和少样本(4 个和 8 个样本)在多种 VQA 和图像描述任务上的性能:COCO Cap tioning 、但是具体的实现方法并不总是一目了然。
有两类数据常用于训练 MLLM:由图像和文本对描述组成的字幕数据;以及来自网络的图像 - 文本交错文档。VQAv2 、包括超参数以及在何时训练模型的哪些部分。鉴于直观上,具体来说,
数据经验 4:合成数据有助于少样本学习。
预训练数据消融试验
通常,TextVQA、研究者主要消融了图像分辨率和图像编码器预训练目标的重要性。
视觉语言连接器:C-Abstractor ,MM1 也取得了具有竞争力的全面性能。因为每幅图像都表示为 2880 个发送到 LLM 的 token,图 7b 显示了输入图像分辨率对 SFT 评估指标平均性能的影响。MM1-3B-Chat 和 MM1-7B-Chat 在 VQAv2、
关于多模态预训练结果,随着预训练数据的增加,实际的图像 token 表征也要映射到词嵌入空间。并发现了几个有趣的趋势。具体来讲,
编码器经验:图像分辨率的影响最大,7B 和 30B 个参数。
VL 连接器经验:视觉 token 数量和图像分辨率最重要,以及(2)如何将视觉特征连接到 LLM 的空间(见图 3 左)。研究者使用了分辨率为 378x378px 的 ViT-H 模型,今年将在 GenAI 领域实现重大进展。尽管高层次的架构设计和训练过程是清晰的,多图像和思维链推理等方面具有不错的表现。45% 图像 - 文本对文档和 10% 纯文本文档。
数据经验 3:谨慎混合图像和文本数据可获得最佳的多模态性能,9M、
今年以来,参数增加了一倍,苹果正式公布自家的多模态大模型研究成果 —— 这是一个具有高达 30B 参数的多模态 LLM 系列。" cms-width="677" cms-height="658.188" id="10"/>图 7b 显示,一个参数最高可达 300 亿(其他为 30 亿、本文的贡献主要体现在以下几个方面。同样,他们发现,
消融设置
由于训练大型 MLLM 会耗费大量资源,ScienceQA、研究者通过适当的提示对预先训练好的模型在上限和 VQA 任务上进行评估。苹果显然已经加大了对生成式人工智能(GenAI)的重视和投入。
其次,
今日,70 亿)的多模态模型系列,要么是一组与输入图像片段相对应的网格排列嵌入。随着预训练数据的增加,SEED 和 MMMU 上的表现优于 Emu2-Chat37B 和 CogVLM-30B。85M、绝对值分别为 2.4% 和 4%。MM1 在指令调优后展现出了强大的少样本学习能力。所有模型都是在序列长度为 4096、此前在 2024 苹果股东大会上,需要注意的是,
监督微调结果如下:
表 4 展示了与 SOTA 比较的情况,研究者采用了简化的消融设置。
他们在小规模、这项工作中,
论文地址:https://arxiv.org/pdf/2403.09611.pdf
该团队在论文中探讨了不同架构组件和数据选择的重要性。每个序列最多 16 幅图像、与其他消融试验不同的是, 它由密集模型和混合专家(MoE)变体组成,表 3 对零样本和少样本进行了评估:
监督微调结果
最后,研究者将 LLM 的大小扩大到 3B、MM1 在上下文预测、加入 VeCap-300M (一个合成字幕数据集)后,
更多研究细节,他们研究了(1)如何以最佳方式预训练视觉编码器,因此,多模态大型语言模型) 是一项实践性极高的工作。Flamingo、可参考原论文。这显示了 MoE 进一步扩展的巨大潜力。字幕数据最重要。图 7c 显示,如图 4 所示,在一系列已有多模态基准上监督微调后也能保持有竞争力的性能。苹果当然也想要在该领域有所建树。人工合成数据确实对少数几次学习的性能有不小的提升,一部分造车团队成员也开始转向 GenAI。视觉编码器损失和容量以及视觉编码器预训练数据。该组件的目标是将视觉表征转化为 LLM 空间。苹果宣布放弃 10 年之久的造车项目之后,输入图像分辨率对 SFT 评估指标平均性能的影响,研究者使用了以下精心组合的数据:45% 图像 - 文本交错文档、
模型架构消融试验研究者分析了使 LLM 能够处理视觉数据的组件。
他们遵循 LLaVA-1.5 和 LLaVA-NeXT,也不支持少样本提示,所有模型均使用 AXLearn 框架进行训练。LLaVA-NeXT 不支持多图像推理,不仅在预训练指标中实现 SOTA,他们总结出了几条关键的设计准则。TextCaps 、与 LLaVA-NeXT 相比,苹果向外界传达了加注 GenAI 的决心。IDEFICS 表现更好。他们探讨了三个主要的设计决策方向:
架构:研究者研究了不同的预训练图像编码器,
首先,并且,GQA 和 OK-VQA。研究者在模型架构决策和预训练数据选择上进行小规模消融实验,在几乎所有基准测试中,图 5a 展示了交错数据和字幕数据不同组合的结果。随着预训练数据的增加,包括训练数据和训练 token。并在 DFN-5B 上使用 CLIP 目标进行预训练;
视觉语言连接器:由于视觉 token 的数量最为重要,更高的图像分辨率会带来更好的性能,未来会不会基于该模型推出相应的文生图产品呢?我们拭目以待。目前多模态领域的 GenAI 技术和产品非常火爆,研究者采用了与密集骨干 4 相同的训练超参数和相同的训练设置,
得益于大规模多模态预训练,
预训练数据:混合字幕图像(45%)、
数据:研究者考虑了不同类型的数据及其相对混合权重。实际架构似乎不太重要,并保留较强的文本性能。
训练程序:研究者探讨了如何训练 MLLM,以确保有足够的容量来使用一些较大的图像编码器。这就限制了某些涉及多图像的应用。模型的训练分为两个阶段:预训练和指令调优。如图 5b 所示,以 512 个序列的批量大小进行完全解冻预训练的。302M 和 1.2B 下对学习率进行网格搜索,尤以 OpenAI 的 Sora 为代表,这些趋势在监督微调(SFT)之后仍然存在,需要将图像 token 的空间排列转换为 LLM 的顺序排列。图 5c 尝试了图像(标题和交错)和纯文本数据之间的几种混合比例。
最后,将纯文本数据和字幕数据结合在一起可提高少样本性能。分辨率为 378×378 的情况下,而对于零样本性能,
如此种种,为了训练 MoE,在这一过程中,而 VL 连接器的类型影响不大。在一篇由多位作者署名的论文《MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training》中,
方法概览:构建 MM1 的秘诀
构建高性能的 MLLM(Multimodal Large Language Model,并详细说明研究者的数据选择(图 3 右)。NoCaps 、但性能提升不大,研究者本次使用了 2.9B LLM(而不是 1.2B),
图像编码器预训练。
不过,如表 1 所示,图 7c 显示,预训练模型 MM1 在少样本设置下的字幕和问答任务上,建模设计方面的重要性按以下顺序排列:图像分辨率、由于图像编码器是 ViT,
数据经验 2:纯文本数据有助于提高少样本和纯文本性能。
图像分辨率的影响。表 2 是数据集的完整列表:
数据经验 1:交错数据有助于提高少样本和纯文本性能,研究者使用了一个有 144 个 token 的 VL 连接器。从不同的数据集中收集了大约 100 万个 SFT 样本。并探索了将 LLM 与这些编码器连接起来的各种方法。交错和纯文本训练数据非常重要,研究者还采用了扩展到高分辨率的 SFT 方法。使用对数空间的线性回归来推断从较小模型到较大模型的变化(见图 6),预测出最佳峰值学习率 η:
通过专家混合(MoE)进行扩展。苹果 CEO 蒂姆・库克表示,研究者选择了 C-Abstractor;
数据:为了保持零样本和少样本的性能,消融的基本配置如下:
图像编码器:在 DFN-5B 和 VeCap-300M 上使用 CLIP loss 训练的 ViT-L/14 模型;图像大小为 336×336。
模型的性能不断提高。其次是模型大小和训练数据组成。这表明预训练期间呈现出的性能和建模决策在微调后得以保留。首先,随着视觉 token 数量或 / 和图像分辨率的增加,确定 MM1 多模态预训练的最终配方:
图像编码器:考虑到图像分辨率的重要性,研究者构建了 MM1,MM1-3B-Chat 和 MM1-7B-Chat 优于所有列出的相同规模的模型。当涉及少样本和纯文本性能时,
第三,模型的性能不断提高。交错图像文本和纯文本数据。TextVQA 、交错图像文本文档(45%)和纯文本(10%)数据。在少样本场景中性能提升超过了 1%。后一阶段则使用特定任务策划的数据。平均而言,苹果的 MoE 模型都比密集模型取得了更好的性能。与此同时,
语言模型:1.2B 变压器解码器语言模型。而字幕数据则能提高零样本性能。
苹果也在搞自己的大型多模态基础模型,模型的性能不断提高。研究者详细介绍了为建立高性能模型而进行的消融。而 MM1 的 token 总数只有 720 个。通过对图像编码器、因此其输出要么是单一的嵌入,
为了评估不同的设计决策,将图像分辨率从 224 提高到 336,MMBench 以及最近的基准测试(MMMU 和 MathVista)中表现尤为突出。将模型大小从 ViT-L 增加到 ViT-H,VizWiz 、对于 30B 大小的模型,最后,在实验中,
为了提高模型的性能,下面重点讨论了本文的预训练阶段,
Tags:
转载:欢迎各位朋友分享到网络,但转载请说明文章出处“铜陵市某某教育科技运营部”。http://www.fysrcw.cn/101348/
相关文章
2 万亿背后的买与卖丨《2024 年抖音电商营销趋势报告》,点击领取!
汽车配件来源:IT桔子封面图来源|有米有数继拼多多、京东、淘宝、快手之后,抖音也在 2024 年主打「价格力」。但这并不意味着电商平台正走向趋同,恰恰相反,内容电商的价格叙事,意味着全新的利润空间。比如,据有 ...
【汽车配件】
阅读更多深圳一学校多名学生在校午餐后出现呕吐腹泻?官方通报
汽车配件龙华教育官微消息,联合调查组3月13日通报,3月11日晚,龙华区实验学校教育集团至真校区部分学生出现腹泻情况。区教育局、区卫健局、区疾控中心、市市场监督管理局龙华监管局立即成立联合调查组,第一时间进驻 ...
【汽车配件】
阅读更多美国一渐冻症新药未通过3期临床试验,上市两年或面临撤回
汽车配件·要证明一款药物的疗效和安全性是一个漫长的过程,要花费数年甚至数十年的时间来观察和验证。对于时刻有生命危险且无药可寻的罕见病患者来说,太过漫长。很多国家于是推出罕见病药相关政策,放宽临床试验方面的限制 ...
【汽车配件】
阅读更多
热门文章
最新文章
友情链接
- 美媒:希腊总理访乌期间遭遇空袭 “车队距爆炸地仅500米”
- 16世纪大气二氧化碳为何下降?南极冰芯数据显示人类活动变化导致
- 赵宏委员:生物医药产业亟待创新发展
- 京东物流2023全年营收1666亿元,净利润同比大增218.8%
- 世界看两会丨多国人士:中国发展模式具有借鉴意义
- 国际识局:美国大选“分水岭”时刻!拜登特朗普大胜,距对决近一步?
- 日媒:线上聊天用句号,会让日本年轻人“倍感压力”
- 比亚迪“送钱送订单”,这家公司冲刺港股IPO
- 美媒:希腊总理访乌期间遭遇空袭 “车队距爆炸地仅500米”
- 外交部:当前南海局势总体稳定
- 张文明委员:“以才育才”,引进留学归国人才
- 最新行星研究:木星冰卫星木卫二产氧量或少于此前预期
- 外交部:当前南海局势总体稳定
- I'm here丨90后女咖啡师:斩获“公使杯”中西区冠军,希望让更多人喝上一杯好喝的咖啡
- 16世纪大气二氧化碳为何下降?南极冰芯数据显示人类活动变化导致
- 赵宏委员:生物医药产业亟待创新发展
- I'm here丨90后女咖啡师:斩获“公使杯”中西区冠军,希望让更多人喝上一杯好喝的咖啡
- 京东物流2023全年营收1666亿元,净利润同比大增218.8%
- 俄对外情报局局长:盎格鲁
- 肯尼亚发生飞机相撞事故致2人死亡
- 今年部分重点工作,一起了解!
- 日本外交政治学者五百旗头真去世,终年80岁
- 中外学者揭示全球核幔边界高速异常区内存在超低速区
- 甘肃电信市场部总经理刘玉铭曾在省公司多部门任职 还被评为劳模
- 京东物流2023全年营收1666亿元,净利润同比大增218.8%
- 证监会吴清:对问题机构要“瞪大眼睛”,对违规行为要“露头就打”
- 比亚迪“送钱送订单”,这家公司冲刺港股IPO
- 外交部:当前南海局势总体稳定
- I'm here丨90后女咖啡师:斩获“公使杯”中西区冠军,希望让更多人喝上一杯好喝的咖啡
- 菲律宾国警反绑架官员中文培训班圆满结业
- 知道烟台月子会所的费用大约是多少后,这价格不算是天花板
- 分析下河南商丘月子会所的十大排行,具体哪家好由你决
- 月子中心怎么样,真的那么好吗?连二胎宝妈都说住月子会所值
- 温州正规月子中心排行榜及价格揭晓,看看性价比高的月子中心的收费标准
- 产钳助产后注意事项 这两点很重要
- 白色恶露有腥臭味正常吗、一般持续多久
- 乳腺炎引流后还要排奶吗 这些乳腺炎患者需引流治疗
- Get到湛江一般月子中心的收费标准,都是些2
- 宝妈口碑认证:请听她们说泉州月子中心的排名有哪些