字节Seed：大看法模子来了，推理的何须是下一个token

henry 发自凹非寺量子位 | 公众号 QbitAI

LLM的下一个推理单位，何须是Token？

刚刚，字节Seed团队宣布最新研究——

DLCM（Dynamic Large Concept Models）将大模子的推理单位从token（词）动态且自顺应地推到了concept（看法）层级。

DLCM通过端到端地方法学习语义界线，动态地将Token序列支解成看法，在压缩后的看法空间中举行深度推理，并借助因果交织注重力将看法级推理效果重构为Token级展望

由此，古板LLM中基于匀称、冗余Token信息密度的盘算分派，被转化为面向看法的动态推理与自顺应算力分派。

在以推理为主的基准使命上，DLCM在将推理阶段FLOPs降低34%的同时，还将平均准确率提升了2.69%

这也意味着，大模子的推理效率并不必定依赖更麋集的Token级盘算，而可以通过更高层级的语义组织来获得。

接下来，我们详细来看。

分层的下一token展望框架

如上所说，DLCM的焦点在于学习动态的Token-看法映射，实现了盘算资源的自顺应分派。

之以是这样做主要有两方面缘故原由：

一方面，在自然语言中，信息的漫衍并不是匀称的，而是集中在集中在少数语义转换的节点上。

然而，在目今的LLM中，所有token被统一处置惩罚，信息密度不匀称的自然语言消耗了同样的盘算量，造成了大宗的冗余与模子容量的错配。

另一方面，此前基于潜在推理的框架，如大型看法模子（Large Concept Model, LCM）等，不但需要单独训练编码器息争码器，还依赖人为划分的牢靠的、句子级别的粒度，缺乏拓展性与自顺应性。

针对这些问题，DLCM通过一种分层的下一token展望框架，将盘算重心转移到压缩后的语义空间，实现了更高效的深度推理。

详细来说，这一框架包括四个阶段：

首先，在编码阶段，DLCM通过一个编码器，提取细粒度的Token级体现，捕获局部上下文信息，作为界线检测和最终Token级解码的基础。

接下来，在动态支解阶段，模子基于Token级体现，盘算相邻Token之间在潜在空间中的局部不相似性（使用余弦距离），当不相似度凌驾阈值时，模子判断为一个语义断点（看法界线）。

与牢靠句子长度差别，DLCM端到端地学习这些界线，实现内容自顺应的支解。

它将统一片断内（即统一看法内）的所有Token体现举行均值池化（Mean Pooling），然后投影到更高维度的看法维度上，最终形成一个长度大大压缩的看法序列。

然后，在看法级推理阶段，模子将上面获得的看法序列在压缩空间中举行深度的、高容量的推理，获得经由深度推理和信息整合后的看法体现。

最后，在Token级解码阶段，DLCM使用经由推理的看法体现，重构并展望下一个token。

由此，DLCM通过以上四个办法，乐成地将盘算分派从低效的Token-Token交互，转移到高效的Token-看法-Token 交互，实现了盘算资源的自顺应、结构化使用。

要害手艺突破与优化

虽然DLCM架构在设计上实现了Token级和看法级�？榈囊旃�，但同时也引入了新的工程和训练挑战。

全局剖析器（Global Parser）：内容自顺应压缩

DLCM 的焦点优势在于它能够凭证信息密度动态地划分看法。

例如，关于信息冗余度高的代码或简朴文本，可以激进地压缩；关于语义重大的转折点，则坚持较低压缩比。

为实现这一点，研究引入了全局剖析器（Global Parser）和辅助损失函数。

这个机制的要害在于：它不要求单个序列严酷遵照目的压缩比，而是在整个Batch层面约束平均界线天生率。

这使得DLCM在共享全局压缩比例目的的条件下，实现了随领域转变、随内容波动的自顺应分段，从而将盘算资源精准地分派到语义最要害的区域。

针对Flash Attention的效率优化

在解码阶段，Token需要通过因果交织注重力关注其所属的看法。

由于每个看法包括的Token数目是转变的，若是直接实现，会严重依赖效率低下的动态掩码和不规则的内存会见。

针对这一问题，研究引入看法复制（Concept Replication）战略。它将看法特征沿着序列维度复制扩展，使其长度与原始Token序列对齐。

由此，研究将重大的可变长交织注重力问题转换为长度对齐、局部恒定的注重力问题，并使其能够使用高度优化的Flash Attention Varlen内核，获得了1.26倍到1.73倍的显著加速。

异构架构的稳固训练

由于DLCM 的Token级组件和看法级主干网络的宽度纷歧致，通过上投影毗连，无法共享简单有用学习率。

为解决这一问题，研究接纳解耦的最大更新参数化，为Token�？楹涂捶？榉峙闪俗粤Φ目矶人醴乓蜃�，并发明各组件的有用学习率应与其宽度的倒数成比例缩放。

由此，研究乐成地稳固了这种不等宽架构的训练，并实现了零样本超参数迁徙，即小型署理模子上找到的最佳学习率可以直接用于训练更大的DLCM模子。

量化最优分派点

除上述优化外，研究还进一步基于scaling law探讨了token级处置惩罚与看法级推理之间的最优分派。

研究发明，在牢靠压缩比下，架构效率在中等看法主干占比处抵达峰值，而非随看法容量枯燥提升。

更主要的是，这一最优设置在规模增大时优势愈发明显：随着基线模子变大，在性能对齐的条件下，DLCM可实现越来越显著的FLOPs节约。

在实验阶段，研究接纳了与LLaMA论文中报告的相同的全局批次巨细、学习率和序列长度，让每个模子都在1T Token上举行训练。

其中，DLCM实现了43.92%的平均准确率，凌驾了基线模子41.23%的分数，提升了2.69%。

One more thing

这篇论文的一作来自英国曼彻斯特大学的在读博士生Qu Xingwei，师从Chenghua Lin教授。

他的研究偏向聚焦于大语言模子（LLMs），主要包括预训练、微调、专家混淆（Mixture of Experts）以及System-2大语言模子。

在教育配景方面，他本科结业于北京航空航天大学，导师为段海滨教授；硕士就读于获慕尼黑工业大学，导师为Daniel Cremers教授。

在读博前，他曾在字节跳动和小鹏汽车担当研究工程师。

[1]https://x.com/GeZhang86038849

[2]https://arxiv.org/abs/2512.24617

《人人操人人插人人干》，《Q8X2R7L1T4J5M9B6W3》

k1体育麻将胡了

下载APP

所有

字节Seed：大看法模子来了，推理的何须是下一个token

热门视频

k1体育麻将胡了

下载APP

所有

字节Seed：大看法模子来了，推理的何须是下一个token

热门视频

字节Seed：大看法模子来了，推理的何须是下一个token