6月7日 消息:来自Facebook母公司Meta的人工智能研究人员提出了一种新颖的方法MegaByte，以加快自然语言处理等用途的内容生成。

据介绍，来自Facebook母公司Meta的人工智能研究人员提出了一种新颖的方法MegaByte旨在改进更长的内容生成。像OpenAI的ChatGPT这样的系统可以轻松处理短输出，但序列越长或越复杂，模型的性能就越差。

MegaByte 方法使用多尺度解码器架构，能够对具有端到端可微分性的超过100万个字节的序列进行建模，这意味着以更低的运行成本获得更好的生成性能。

Meta的研究人员对基于Transformer的架构提出质疑。谷歌的研究人员在2017年开发了基于Transformer的系统，此后该系统被广泛用于NLP任务，为ChatGPT、GPT-4和BERT等模型和系统铺平了道路。

然而，Meta的团队认为，基于Transformer的系统处理复杂的输入，如书籍或播客，需要大量的计算才能运行。然而，MegaByte将输入和输出分成“补丁”而不是单独的token。每个面片都有自己的本地化响应，模型将这些响应与其他面片组合成一个整体，以创建最终输出。

研究人员建议，MegaByte“用子字模型给出有竞争力的语言建模结果，这可能允许字节级模型取代标记化”。

Meta新提出的架构得到了特斯拉人工智能总监安德烈·卡尔帕西（Andrej Karpathy）的称赞，认为这很有前景。

然而，对于MegaByte来说，现在还处于早期阶段，因为Meta的论文详细介绍了使用它进行的实验规模“远远低于最先进的语言模型”。研究人员提出，未来对MegaByte的研究应该探索将架构扩展到更大的模型和数据集。