Meta 发布新多token预测技术，使AI模型速度提升3倍

近期，Meta、Ecole des Ponts ParisTech 和 Université Paris-Saclay 的研究人员在一项研究中提出了一种改进 AI 大型语言模型（LLMs）准确性和速度的方法，即通过同时预测多个 token。这与自回归语言模型的经典结构相悖，后者旨在一次预测一个 token。

然而，多 token 预测并非适用于所有类型的模型和语言任务，但在某些领域中提供了重大优势，推理速度提升了 3 倍，并在生成任务上表现更佳。虽然仍有改进空间，但这项技术可能成为某些 LLM 应用的强大工具。

传统的训练 LLMs 的方法被称为 “下一个 token 预测”，这是一种自监督学习技术，模型被给定一个 token 序列，必须预测下一个 token。然后将预测的 token 添加到输入中，重复这个过程，一次预测一个 token。在大量文本语料上重复此过程，模型学习了允许它输出连贯文本段落的一般模式。

研究人员已经研究并记录了下一个 token 预测在获取语言、世界知识和推理能力方面的局限性。新研究的假设是 “训练语言模型同时预测多个未来 token 会导致更高的样本效率”。

多 token 预测指示 LLM 同时预测训练语料库中每个位置的多个来 token。研究人员提出了一个简单的多 token 预测架构，不需要额外的训练时间或内存开销。

他们在多种任务上测试了新的多 token 预测方案，发现在小型模型上，多 token 预测导更差的结果，但随着模型规模的增加，它变得越来越有用。此外，多 token 预测还使模型在推理时间上提升了 3 倍，尤其在 “字节级标记化” 训练上，多字节预测大幅优于基线的单字节预测模型。多 token 预测仍有改进空间，研究人员正在考虑自动选择最佳预测 token 数量的技术，以及研究词汇量和多 token 预测之间的动态关系。

这项研究及其未来的改进对企业应用有用的地方在于，它有可能为生成任务提供更快的推理和更高的准性，几乎不需要额外的成本。同时，它保留了大部分 LLM 架构，可以与 Transformer 块的其他优化技术兼容。