MemLong: 基于记忆增强检索的长文本LLM生成方法

本文将介绍MemLong，这是一种创新的长文本语言模型生成方法。MemLong通过整合外部检索器来增强模型处理长上下文的能力，从而显著提升了大型语言模型（LLM）在长文本处理任务中的表现。

核心概念

MemLong的设计理念主要包括以下几点：

1. 高效扩展LLM上下文窗口的轻量级方法。
2. 利用不可训练的外部记忆库存储历史上下文和知识。
3. 通过检索相关的块级键值（K-V）对来增强模型输入。
4. 适用于各种仅解码器的预训练语言模型。
5. 引入额外的记忆检索（ret-mem）组件和检索因果注意力模块。

MemLong的工作流程如图1所示：

图1：MemLong的记忆和检索过程示意图

MemLong的技术优势

1. 分布一致性

MemLong克服了传统方法中将信息存储在记忆中导致的分布偏移问题。通过精心设计的记忆机制，MemLong确保了缓存信息的分布与原始数据保持一致，从而提高了模型的稳定性和性能。

2. 训练效率

MemLong采用了创新的训练策略：

• 冻结模型的底层参数，仅微调上层结构。
• 显著降低了计算资源需求，例如：- 3B参数版本的MemLong在0.5B个token上的微调仅需8张3090 GPU运行8小时。

这种方法大幅提高了模型的训练效率，使得在有限资源条件下也能实现高效的模型优化。

3. 扩展的上下文窗口

MemLong在处理长文本方面表现出色：

• 能够在单个3090 GPU上将上下文窗口扩展到80k个token。
• 通过仅记忆单层的K-V对，有效控制了内存使用。

这一特性使MemLong在处理长文档、长对话等任务时具有显著优势，能够捕捉更长距离的语义依赖关系。

MemLong架构详解

概述

MemLong的核心架构如图2所示：

图2：MemLong架构示例

工作流程主要包括以下步骤：

1. 输入处理：将输入文本分割成块（ci），每个块对应原始文本ti。
2. 底层处理：在冻结的底层中应用标准因果注意力机制。
3. 记忆层操作：在最后一个底层（记忆层）后执行两个关键操作：- 检索：利用ti获取最相关的K-V对。- 缓存：存储获得的K-V对及其相关的块表示。
4. 上层处理：在可训练的上层中，整合检索到的K-V对与当前输入上下文，并调整模型参数以优化检索过程。

这种设计允许模型有效地利用历史信息，同时保持计算效率和模型的适应性。

在接下来的部分中，我们将深入探讨MemLong的检索器设计、动态记忆管理策略、注意力机制重构以及推理过程等技术细节。

MemLong技术细节

检索器和动态记忆管理

检索过程

MemLong的检索过程是其核心功能之一，具体步骤如下：

1. 对于每个查询块cq（等同于ci）及其对应的文本块tq（等同于ti），首先通过检索器R处理，得到表示嵌入rq：rq = R(tq), 其中 rq ∈ Rdret
2. 利用得到的表示嵌入，对记忆M中的嵌入进行检索，获取k个最相关的块级索引。
3. 计算检索表示rq与记忆M中存储的嵌入之间的余弦相似度。
4. 选取相似度最高的k个索引：zq = TopK{Cos(rq)}, 其中 zq ∈ Rk
5. 基于获得的索引，从记忆中检索相应的K-V对：˜zq ∈ Rk×τ×dmodel

这种方法允许模型高效地获取与当前输入最相关的历史信息。

记忆过程

记忆过程是MemLong保持长期记忆的关键，其主要特点包括：

1. 同步存储：记忆层的K-V对与用于检索的表示嵌入同步存储，确保索引的准确对应。
2. 双重存储：- 缓存K-V对- 存储相应的表示
3. 一致性保证：由于较低层在训练期间被冻结，输出K-V对的分布保持一致。
4. 记忆更新：完成所有块对的检索后，执行记忆操作M(k, v; rm)，同步更新记忆中的键值对及其对应表示。

动态记忆更新

为了有效管理长期记忆并防止记忆溢出，MemLong采用了动态记忆更新策略：

1. 记忆分配：- 保留最新的10%记忆内容（可能相关）- 丢弃最旧的10%（可能已过时）- 根据检索频率优先考虑中间80%
2. 内存控制：当记忆使用超过阈值时，删除最少访问的条目，直到使用率降至50%。
3. 平衡机制：这种选择性修剪在保留有价值信息和删除不相关数据之间取得平衡。
4. 效率保证：动态更新有效控制记忆大小，防止内存不足，同时保持检索效率。

注意力机制重构

MemLong对传统注意力机制进行了创新性的重构，以更好地融合长期记忆：

检索因果注意力

1. 联合注意力机制：将标准注意力扩展为包含本地和长期记忆的联合机制。
2. 长期记忆融合：使每个token能够同时关注局部上下文和具有完整连续语义的块级历史上下文。
3. 双向注意力：通过检索方法获得的块级K-V对支持双向注意力，同时避免信息泄露。

图3展示了检索因果注意力的工作原理：

图3：检索因果注意力示意图

注意力计算

给定前一层的头部隐藏状态输出Hl−1 ∈ R|x|×dmodel和检索到的键值对˜zq = { ˜Ki, ˜ Vi} ωi=1 ∈ Rk×τ×dmodel，下一层的输出隐藏状态Hl的计算如下：

为避免训练初期检索注意力分数Sm可能造成的干扰，MemLong采用多头注意力机制：

最终，通过连接˜V和V得到Hl：

这种注意力机制设计允许模型有效地整合局部和长期信息，提高了对长距离依赖的建模能力。

MemLong推理过程

MemLong在处理超长输入时采用了特殊的推理策略：

1. 输入分割：将输入分为前缀和主体两部分。
2. 前缀处理：- 将前缀分成多个非重叠的块- 通过记忆层处理每个块，确保参与注意力的token数量等于块大小- 注意块间的相互关联性（第t个块需要处理前t-1个块的信息）
3. 主体处理：- 为主体选择k个最相关的块，基于块级检索表示- 获取这些块的键和值表示
4. 上层检索：在上层检索层中，注意力窗口大小为k * τ，通常小于输入总长度。
5. 高效执行：同时进行长度受限的因果注意力和检索注意力计算。

这种策略使MemLong能够高效处理远超其预训练长度的输入，同时保持计算效率和内存使用的平衡。

在下一部分中，我们将详细介绍MemLong的实验设置和结果，展示其在各种长文本任务中的优越性能。

MemLong实验评估与结论

实验设置

实现细节

训练配置

• 基础模型：使用带有旋转位置编码的OpenLLaMA-3B作为预训练骨干网络。
• 训练规模：在0.5B个token上进行检索增强适应训练，序列长度设置为1024。

位置编码策略

为了适应MemLong的特殊架构，采用了以下位置编码策略：

1. 局部上下文（最多2048个token）：使用标准的旋转位置编码。
2. 记忆键：被编码为在局部上下文窗口中位置为0。

这种策略确保了模型能够有效区分和利用局部和长期信息。

评估数据集

为全面评估MemLong的性能，选择了四个广泛使用的长文本基准数据集：

1. PG-19：英语图书数据集
2. BookCorpus：另一个英语图书数据集
3. Wikitext-103：维基百科文章集
4. Proof-Pile：数学论文集

这些数据集涵盖了不同领域和文体的长文本，为模型的泛化能力提供了全面的测试。

评估指标

主要使用困惑度（Perplexity, PPL）作为评估指标。对每个序列的最后2048个token计算PPL，较低的PPL值表示更强的语言建模能力。

基线模型

选择OpenLLaMA-3B作为主要基线模型，同时与LLaMA-2-7B等其他模型进行了对比。

实验结果与分析

长上下文语言建模

图7展示了MemLong与基线模型在不同数据集和输入长度下的性能比较：

图7：不同模型在各数据集上的困惑度（PPL）比较

关键发现：

1. 预训练长度内的性能：在不超过预训练长度（OpenLLaMA-3B为2048，LLaMA-2-7B为4096）的测试中，MemLong与完全微调的模型表现相当。
2. 超长输入处理能力：- MemLong在超过预训练和微调长度的输入上仍能持续降低困惑度，展现出优秀的泛化能力。- 相比之下，OpenLLaMA-3B和LLaMA-2-7B在超出预训练长度的输入上表现明显下降。
3. 计算效率：- MemLong通过外部检索器有效处理长输入，同时保持较低的内存开销。- 传统模型在处理超长输入时，由于注意力机制的二次复杂度，内存消耗显著增加。
4. 一致性改进：MemLong在各个数据集上都实现了困惑度的降低，表明其方法的有效性和稳定性。

上下文学习能力

表1展示了MemLong在5个NLU任务上的少样本学习（4-shot和20-shot）性能：

表1：不同模型在NLU任务上的少样本学习准确率（%）

关键观察：

1. 记忆利用：与仅依赖非参数知识的OpenLLaMA相比，MemLong能有效利用存储在记忆中的额外示例，提高性能。
2. 示例数量影响：随着记忆中示例数量的增加，MemLong的性能进一步提升或保持稳定，显示出良好的可扩展性。
3. 与LongLLaMA对比：在相同的内存演示条件下，MemLong在大多数数据集上优于LongLLaMA，证明了其记忆机制的优越性。
4. 任务适应性：MemLong在不同类型的NLU任务中均表现出色，表明其具有广泛的应用潜力。

局限性讨论

尽管MemLong展现出优秀的性能，研究团队也认识到以下局限性：

1. 模型规模限制：当前研究主要集中在OpenLLaMA-3B上，未来需要在更大规模的模型上进行验证。
2. 信息稳定性：观察到单层K-V对提供的额外语义信息可能存在不稳定性，这一问题需要在未来的研究中进一步探讨和解决。
3. 领域特异性：虽然在多个数据集上进行了测试，但可能还需要在更多特定领域的任务中评估MemLong的表现。
4. 计算复杂度：虽然MemLong相对高效，但在处理极长文本时的计算需求仍需进一步优化。

总结

MemLong作为一种创新的长文本处理方法，在以下方面展现了显著优势：

1. 上下文扩展：成功将模型的有效上下文窗口从2k扩展到80k个token，大幅提升了长文本处理能力。
2. 性能提升：在长距离文本建模和理解任务中，MemLong展现出明显的竞争优势，相比全上下文模型，在某些任务中实现了高达10.4个百分点的性能改进。
3. 效率平衡：通过创新的记忆和检索机制，MemLong在保持高性能的同时，有效控制了计算复杂度和内存使用。
4. 广泛适用性：在多种NLU任务和不同类型的长文本数据集上均表现出色，显示出良好的泛化能力。

MemLong的成功为长文本语言模型的发展开辟了新的方向，其核心思想和技术可能对未来的大规模语言模型设计产生深远影响。未来的研究方向可能包括进一步优化记忆机制、探索更大规模模型的应用，以及在更多领域特定任务中的表现验证。

论文链接: https://arxiv.org/abs/2408.16967

代码仓库: https://github.com/Bui1dMySea/MemLong