2 月 12 日消息，豆包大模型團隊宣布，字節(jié)跳動豆包大模型團隊提出了全新的稀疏模型架構 UltraMem，該架構有效解決了 MoE 推理時高額的訪存問題，推理速度較 MoE 架構提升 2-6 倍，推理成本最高可降低 83%。該研究還揭示了新架構的 Scaling Law，證明其不僅具備優(yōu)異的 Scaling 特性，更在性能上超越了 MoE。

　　實驗結果表明，訓練規(guī)模達 2000 萬 value 的 UltraMem 模型，在同等計算資源下可同時實現(xiàn)業(yè)界領先的推理速度和模型性能，為構建數(shù)十億規(guī)模 value 或 expert 開辟了新路徑。

　　據(jù)介紹，UltraMem 是一種同樣將計算和參數(shù)解耦的稀疏模型架構，在保證模型效果的前提下解決了推理的訪存問題。實驗結果表明，在參數(shù)和激活條件相同的情況下，UltraMem在模型效果上超越了 MoE，并將推理速度提升了2-6倍。此外，在常見 batch size 規(guī)模下，UltraMem 的訪存成本幾乎與同計算量的 Dense 模型相當。

　　在 Transformer 架構下，模型的性能與其參數(shù)數(shù)量和計算復雜度呈對數(shù)關系。隨著 LLM 規(guī)模不斷增大，推理成本會急劇增加，速度變慢。

　　盡管 MoE 架構已經(jīng)成功將計算和參數(shù)解耦，但在推理時，較小的 batch size 就會激活全部專家，導致訪存急劇上升，進而使推理延遲大幅增加。

　　注：“MoE”指 Mixture of Experts（專家混合）架構，是一種用于提升模型性能和效率的架構設計。在 MoE 架構中，模型由多個子模型（專家）組成，每個專家負責處理輸入數(shù)據(jù)的一部分。在訓練和推理過程中，根據(jù)輸入數(shù)據(jù)的特征，會選擇性地激活部分專家來進行計算，從而實現(xiàn)計算和參數(shù)的解耦，提高模型的靈活性和效率。