speculative decoding

Decodificación especulativa

Exploraciones de algunas técnicas recientes en torno a la decodificación especulativa.

También tengo algunas ideas propias que intentaré compartir en este repositorio, si funcionan. El objetivo es utilizarlo inicialmente para acelerar el decodificador de texto a semántico en Spear-TTS.

Apreciación

• EstabilidadAI y ? Huggingface por el generoso patrocinio, así como a mis otros patrocinadores, por brindarme la independencia para abrir las técnicas actuales de inteligencia artificial.

Hacer

• en el esquema de salida temprana, almacene en caché la capa oculta durante la decodificación de especificaciones, ya que los modelos pequeños y grandes comparten las mismas primeras capas

• para una salida temprana, permita una cabeza de bloque de transformador adicional (separada del vástago del transformador principal)

• descubrir la decodificación de especificaciones por lotes: diferentes filas pueden avanzar a diferentes velocidades

• optimizar aún más la decodificación de especificaciones por lotes, ya que se pierde algo de rendimiento de toda la indexación; parece que se necesitará algo de trabajo para que esta técnica sea realmente utilizable

• hacer que la decodificación de especificaciones por lotes funcione con una estrategia de salida anticipada

• Muestreo especulativo completo con la idea del transformador profeta: ¡parece funcionar bien! ?

• obtenga algunos gráficos de wandb y vea cómo se compara el profeta con la estrategia de salida temprana, compártalos en el repositorio

• También realice experimentos para ver si el transformador profeta aporta algún beneficio a la pérdida del modelo principal. El artículo original del profeta solo hizo una proyección lineal simple.

• para una estrategia de salida temprana, intente sumar aleatoriamente la última incrustación almacenada en caché en el mismo modelo (reciclaje al estilo alphafold2), recorte aleatoriamente a lo largo de la longitud de la secuencia y entrene la pérdida de salida temprana de esta manera. ver si se puede mejorar la gamma de esta manera

• dedicar una mañana a las microoptimizaciones

Citas

 @inproceedings { Leviathan2022FastIF ,
    title   = { Fast Inference from Transformers via Speculative Decoding } ,
    author  = { Yaniv Leviathan and Matan Kalman and Y. Matias } ,
    booktitle = { International Conference on Machine Learning } ,
    year    = { 2022 } ,
    url     = { https://api.semanticscholar.org/CorpusID:254096365 }
}

 @inproceedings { sun2023spectr ,
    title     = { SpecTr: Fast Speculative Decoding via Optimal Transport } ,
    author    = { Ziteng Sun and Ananda Theertha Suresh and Jae Hun Ro and Ahmad Beirami and Himanshu Jain and Felix Yu and Michael Riley and Sanjiv Kumar } ,
    booktitle = { Workshop on Efficient Systems for Foundation Models @ ICML2023 } ,
    year      = { 2023 } ,
    url       = { https://openreview.net/forum?id=d0mGsaheuT }
}

 @article { Chen2023AcceleratingLL ,
    title     = { Accelerating Large Language Model Decoding with Speculative Sampling } ,
    author    = { Charlie Chen and Sebastian Borgeaud and Geoffrey Irving and Jean-Baptiste Lespiau and L. Sifre and John M. Jumper } ,
    journal   = { ArXiv } ,
    year      = { 2023 } ,
    volume    = { abs/2302.01318 } ,
    url       = { https://api.semanticscholar.org/CorpusID:256503945 }
}

 @article { Yan2020ProphetNetPF ,
    title   = { ProphetNet: Predicting Future N-gram for Sequence-to-Sequence Pre-training } ,
    author  = { Yu Yan and Weizhen Qi and Yeyun Gong and Dayiheng Liu and Nan Duan and Jiusheng Chen and Ruofei Zhang and Ming Zhou } ,
    journal = { ArXiv } ,
    year    = { 2020 } ,
    volume  = { abs/2001.04063 } ,
    url     = { https://api.semanticscholar.org/CorpusID:210164665 }
}

 @article { Zhang2023DraftV ,
    title     = { Draft & Verify: Lossless Large Language Model Acceleration via Self-Speculative Decoding } ,
    author    = { Jinchao Zhang and Jue Wang and Huan Li and Lidan Shou and Ke Chen and Gang Chen and Sharad Mehrotra } ,
    journal   = { ArXiv } ,
    year      = { 2023 } ,
    volume    = { abs/2309.08168 } ,
    url       = { https://api.semanticscholar.org/CorpusID:262013673 }
}

 @misc { medusa ,
    author     = { Tianle Cai and Yuhong Li and Zhengyang Geng and Hongwu Peng and Tri Dao } ,
    title      = { Medusa: Simple Framework for Accelerating LLM Generation with Multiple Decoding Heads } ,
    year       = { 2023 } ,
    publisher  = { GitHub } ,
    journal    = { GitHub repository } ,
    howpublished = { url{https://github.com/FasterDecoding/Medusa} } ,
}