燃文小说吧

手机浏览器扫描二维码访问

第267章 饥不择食的META（第1页）

华国古代有句谚语，叫“山中方七日，世上几千年”，尼兰詹现在的感觉和这句谚语差不多。

他简单洗漱一下就被带往了META在纽约的总部，扎克伯格用虔诚的表情看着他：“巴拉苏布拉马尼安教授，我知道你在人工智能领域有着超出寻常的造诣。”

尼兰詹心想，自己这么难念的姓氏，扎克伯格能念得如此清晰，也真难为他了。

紧接着，扎克伯格的话就开始出乎他意料了。

我在人工智能领域有着超出寻常的造诣？尼兰詹在思考这句话，是不是又有什么坑，不过转念一想扎克伯格这样的大佬，世界顶级富豪，不至于要坑他啊。

而且自己身为石溪分校人工智能领域的教授，说超出寻常的造诣，倒也不是不行。

“我确实对人工智能颇有自己的一番见解。”尼兰詹微笑着说道，过去一年多被监狱折磨的日子终于过去，他要迎来新生，自信的笑容、从容的坐姿、睿智的大脑终于在他大脑内又占据了上风。

扎克伯格听完后笑得更开心了，“不愧是伦道夫的教授，我就知道你肯定不一般！”

扎克伯格把尼兰詹从监狱里捞出来，倒也没费多大功夫，毕竟他可是驴党长期铁杆合作伙伴，给驴党不知道捐了多少钱。

尼兰詹又不是真的犯事了，联邦调查局调查来调查去也没找到尼兰詹和阿波罗登月的关系，没有找到有决定意义的证据。

之前一直关着他，不过是因为把他当背锅的，一名没有任何背景的印度裔教授，来承担华国21世纪率先登月的黑锅，好像还挺合适。

但当扎克伯格出手时，尼兰詹又变成了微不足道的小人物，他轻而易举就把对方给捞了出来。

而且对方能被关一年多，说明应该确实有两把刷子。

“巴拉苏布拉马尼安教授，你对大语言模型怎么看？”扎克伯格问道。

尼兰詹大脑开始高速运转起来，毕竟这可是关乎到自己的安危啊！得表现出价值，他才能在外面一直被保释，甚至是无罪释放。

他内心苦笑了一声：这叫什么事，自己明明就无罪，现在居然还要表现出价值才能无罪，这国怎？

“我认为这是一个很有发展潜力的方向，我前几年在ACL会议上发表的论文《DeFormer:DecomposingPre-trainedTransformersforFasterQuestionAnswering》针对的就是Transformer-basedQA模型的痛点-全层输入宽自注意力导致计算慢和内存高予以解决，我提出DeFormer，一个分解的Transformer变体。

在较低层，DeFormer用问题宽和段落宽自注意力替换全自注意力，避免问题和段落序列的交叉计算。

这允许独立处理输入文本，实现段落表示的预计算，从而大幅减少运行时计算。

DeFormer结构与Transformer相似，可直接用预训练权重初始化，并在QA数据集上微调。

我们的实验显示，DeFormer版本的BERT和XLNet在QA任务上加速4。3倍以上，仅通过简单蒸馏损失损失1%准确率。”

尼兰詹说的是他2020年在ACL会议上发表的论文，是当时LLM优化领域的经典工作，当时LLM流行的模型叫BERT，这篇论文直接构建在预训练Transformer上，LLM的瓶颈，也就是计算成本，在下游任务中凸显，这篇则一定程度上提出了解决思路。

“包括我在2020年的另外一篇工作，其实和LLM的核心，也就是多层注意力有着类似的核心逻辑”

尼兰詹自然不是水货，他在人工智能领域确实浸淫多年，有不错的成果，手上有好几篇顶会文章，都和LLM有关。

那还是2020年，当时大模型还名不见经传呢，在人工智能领域属于边缘化的方向。

扎克伯格是花了很多冤枉钱，把脸书改名META错误估计了元宇宙的到来时间，但不代表他没脑子，单纯因为尼兰詹是林燃的教授，就找他来。

尼兰詹自己真有几把刷子，也是很重要的原因。

大模型里的关键工作，包括自注意力机制、多头注意力、位置编码这些，尼兰詹都有深入的研究，毕竟他研究的重要方向之一就是NLP。

扎克伯格欣喜过望，觉得自己找对人了。

“巴拉苏布拉马尼安教授，在训练LLM中，你是如何处理过拟合或者欠拟合问题呢？”

“大规模训练，预训练涉及在海量无标签数据上学习通用表示，我们可以通过掩码语言建模或下一句预测；另外微调在特定任务数据集上调整权重，实现迁移学习。

针对过拟合，我认为使用正则化和dropout，比如说在BERT变体中dropout率0。1，并应用早停机制；欠拟合时，增加模型深度或数据增强。

在之前的项目中，我通过梯度裁剪处理训练不稳定，在GLUE基准上将过拟合率从15%降至5%，这能帮助大模型训练在多任务适应中更高效。”尼兰詹成竹在胸。

问这个，对我而言不是小意思？

扎克伯格后续又问了一些关于参数高效微调、多模态模型主要挑战、幻觉成因及缓解策略等问题，尼兰詹对答如流。