果揭秘LLM“超级权重”删掉就会胡说八道k8凯发国际入口001%参数定生死！苹

　　如表3所示☆■…•=，在与FP16◆□-、Naive W8A8◇…、SmoothQuant三种模型量化方法的比较中•▷☆，就近取整量化虽然效果略次于SmoothQuantk8凯发国际官方入口☆●-，但优于Naive W8A8△▽○☆◆，尤其是在不需要校准数据的前提下▲◇▽▽▪，实用性更强◇▷。

　　其中影响量化质量的○□★••△果揭秘LLM“超级权重”删掉就会胡说八，是一种重要的指标离群值（outliers）•…▽▲▪●。研究人员将超级权重和超级激活统称为超级离群值▷▽◆☆▽。

　　即使超级权重数量最多的模型（例如Phi-3-mini-4k-instruct）也只包含六个★▷▪▼=☆。

　　图2-I中蓝紫色方框中展示了超级权重的触发●◇=，它通常出现在较早层的down projection（降维投影）…◁=。

　　如图7◇☆•，蓝线RTN显示=△-▲▼，如果不处理超级权重☆•=●，随着量化块变大▲◆…◇◇=，模型性能急剧下降=☆；紫线Ours表示△◆=，如果恢复超级权重▽▲▼，模型准确率下降更平缓=□◇，即使大块量化也能维持较好性能…★☆▽☆•。

　　近日▽○☆•，苹果研究人员在论文《大语言模型中的超级权重》（The Super Weight in Large Language Models）中-☆，将上述现象■▷•，称为「超级权重现象」…•◇△•。

　　在该项研究中◆◇▼▼，研究人员考虑的是一种最简单的量化形式——即非对称的就近取重量化（asymmetric round-to-nearest quantization）-▼…○■：

　　这些都将帮助我们解锁…▷…■，构建更高效▽=○▼▷、更稳健○▲△、更可解释大模型的创新方法▪■●，让大模型告别「炼丹玄学」○○•。

　　想要部署在移动端等一些低预算◇△▪••◁、资源受限等环境中☆▲道k8凯发国际入口001%参数定生死！苹，如果把超级权重剪掉◇▽□■○，带有超级权重的原始Llama-7B▽•◇，研究人员发现□☆=，超级激活会在随后的所有层中以相同的幅度★▲◁、相同的位置持续存在◆△=○…，大模型庞大的体格（动辄数十亿甚至数千亿参数）☆-□=，

　　往往会面临巨大挑战◇☆。就像把大象塞进冰箱▷▽□，能顺利接着生成合乎逻辑的内容…=-•●。即便是只有0•▽.01%-=◆▽，仍可能包含数十万权重▷=■…•□。移除超级权重会导致停用词概率增加2-5倍◇▼○○○，图4表示□…◇▪▷=，极少量的参数□=▽●▷。

　　研究人员认为k8凯发国际官方入口◆△▼○，与需要处理数十万离群权重的方法相比◆▲★，这无疑是一种更友好的硬件方案=★=-■。

　　Mengxia Yu是圣母大学计算机专业博士生●■☆-△-，此前在北京大学获得计算语言学学士学位▪◆△…○-，本论文是她在苹果公司实习期间完成的■○▲。

　　超级权重▲○•◆，会诱发相应稀有且幅度巨大的激活离群值☆•▽△，研究人员将之称为super activations（超级激活）▽△•=••。

　　又或者使大模型的零样本学习准确率降低到「瞎猜」的水平…△•☆▽，这意味着大模型的智能也几乎废掉了◁●…▲•凯发游戏汇一体机，。

　　同样▲◆-○●○，如果在保留超权重的同时…●■…▪，对其他权重异常值进行裁剪==◁•▼，就近取整量化▷◁□••，也可以实现更好的压缩比••●△■。

　　毫无疑问□•☆●，进一步探索超级权重与超级激活的起源及其精确机制=★，将对LLM的运行动态□◇，带来更深入的洞见•▷☆▷。

　　图2-Ⅲ中表示☆•=•，在最终的输出logits（预测分布）里◆☆▷△○，超级激活会产生压制停用词（stopwords）的效果•▽。

　　更为合理的做法☆▲■★•，是让大模型「科学瘦身」-■▲☆•，比如缩小模型的规模和计算复杂度▪★□，从而降低内存与功耗◇△△•○…。

　　研究人员对Llama-7B的分析显示▲☆，AWQ将超级权重放大了12倍……，这印证了他们对超级权重重要性的判断◆=。

　　但是◇◇•★-，如果保留这些极少量参数•▷-■，即使删掉成千上万其他参数▽…●◆▪▲，大模型的智力依然在线◁▲•◆，几乎看不出有什么影响○•。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布○☆□，仅代表该作者或机构观点□●，不代表澎湃新闻的观点或立场▼☆☆…，澎湃新闻仅提供信息发布平台◆=★。申请澎湃号请用电脑访问◇□☆■▷。

　　超级离群值☆●●▲，为人们认识大模型☆▷，改进大模型压缩技术□☆=▲，提供了一把重要的钥匙▼◇-▷。

　　它们通常是在超级权重之后出现--☆●●◇，并在随后的层中以一种恒定的幅度和位置持续存在◁△•■，而不受输入提示词的影响◆△☆□。

　　在模型压缩和简化过程中◇=，要避免碰到这些数量虽小◆…，却牵一发而动全身的「命门级」参数☆▪◇◁=，避免它们被显著修改（通过压缩）或被完全移除（剪枝）•▷■。

　　苹果研究人员发现•○…△，如果动了它们…▽，就可能破坏LLM生成连贯文本的能力□•▼…，比如让困惑度上升3个数量级•◆▷，这样大模型就几乎「读不懂」语言了◆•=。

　　比如…▪▽▪，一旦某个超级权重参与计算-▽▪=••，它会把输入信号放大成异常大的数值▲▽▲，于是紧接着的层中就出现超级激活▷■▪。

　　研究人员发现◇●▼◁•，只要以高精度保留超级激活☆○▽◇◆…，通过简单的就近取整（round-to-nearest）量化-•□◆--，也能将模型质量提升到与当前最先进方法相当的水平=◆。

　　即使它们的比例可以小到0◁-.01%◆△◆=，但对于拥有数十亿参数的模型•▲◆…☆●，仍然意味着有数十万个单独权重=■◆○▷◆。

　　为了促进公开研究▷○△□•□，研究人员还将一部分常见▲□◁▲◁★、公开可用的LLM超级权重标记了出来▪△▷，如下表2▪◆：

　　原标题●☆▲▽：《0□-△▷◇◇.01%参数定生死▽★△▪！苹果揭秘LLM「超级权重」●◁▷▲▽，删掉就会胡说八道》

　　在图3中▲=•，down_proj输入在层2中★=，仅有一个大幅度的激活值（super activation）▽■■▷▽，这是超级激活首次出现的地方★…。

　　为了全面展示超级权重的影响★◆=，研究人员将研究范围扩大到更多大模型▪-…：OLMo（1B和7B版本）△●▼□△、Mistral-7B以及Llama-2-7B○○。

　　在实际应用中△▼◁◇◆，但只要砍掉树干上的一个关键节点（核心参数）●◁◆•-，剪掉树（大模型）的几千片叶子（冗余参数）不会伤筋动骨★▪◁▪•▪，这在各种LLMs中都存在…▽○◇□。以及超级激活的传播机制■…□。超级激活的强度会下降75%▷▲▪▽◆。

　　这好比扩音器的噪音通过音响的电路一路传到所有扬声器★▽■，无论后续放什么音乐□•▽★★，那个噪音始终存在◆□◆。

　　通过超级激活来定位超级权重••：利用检测向下投影输入和输出分布跨层中的尖峰来定位超级权重▪=☆☆▪。

　　从另一个角度看○▽▪□-○，在更广泛的模型架构和训练范式中•▼•▷○，展开对超级权重的研究◁◆，也有助于揭示它们的角色和形成机制•▷-▪◁。

　　如上图1左侧显示○▲•★，展示了超级权重触发超级激活◇◁△◇，如果拿一棵树比喻□▪■◇，研究人员还通过图2○-•□▲□，对于拥有数十亿参数的模型◁…☆◁△，一旦在第2层被触发●▷▪-△☆。

　　【新智元导读】苹果研究人员发现★◆◇☆◆，在大模型中-◆◇，极少量的参数=▼○▼△-，即便只有0▷•○•.01%▪★●，仍可能包含数十万权重○•□●…，他们将这一发现称为「超级权重」▪◆◁■◆。超级权重点透了大模型「命门」▽•…，使大模型走出「炼丹玄学」▲◁。

　　而在图1右侧-○☆…，当超级权重参数被剪枝后○◆，Llama-7B就开始胡言乱语▪▼★◁，生成的全是毫无意义的文本=◆■△◁。

　　这说明◇□，只要针对单个超级权重进行特殊处理■•，就能显著提高量化的稳定性和可扩展性▷▷。

　　如果只是简单粗暴的等比压缩或简化▼▼□，就好比削足适履=■□■，只会导致模型质量显著下降△◇。

　　这也使得强大的LLM应用=△△，在资源受限的硬件上部署和高质量运行…••△，成为可能☆▪…◆。

　　在删掉极少量参数后•●●，大模型立刻变得胡言乱语起来○▪◇，在零样本任务中只会瞎猜◇…，原来的那股聪明劲儿全没了•▽▪。

　　整棵树可能就死掉了◁▷△。苹果研究人员将称这个单标量权重为超级权重（super weight）◆☆□★…△。而不受输入的影响•■▽▽……。

　　图2-Ⅱ中表示超级激活通过跳跃连接传播▪▽-▲◇，用蓝紫色线表示▪●☆□，它表示激活不是一次性消失▲-=▼=△，而是层层跳跃传播下去◇▲☆•。

　　同样的▲★•▼=，理解这些超级权重参数▽◆，如何在训练过程中获得如此「超级」的影响力•◆●▲，也可以为未来的模型设计★▼△、训练策略提供更有针对性的指导■□★=◁。