文献阅读：Mistral 7B_mistral 本地知识库

• 文献阅读：Mistral 7B
  • 1. 文章简介
  • 2. 模型结构说明
    • 1. SWA (Sliding Window Attention)
    • 2. Rolling Buffer Cache
    • 3. Pre-fill and Chunking
  • 3. 实验考察 & 结论
    • 1. 基础实验
    • 2. Instruction Tuning
    • 3. 安全性分析
  • 4. 总结 & 思考

• 文献链接：https://arxiv.org/abs/2310.06825
• GitHub链接：https://github.com/mistralai/mistral-src
• 官网链接：https://mistral.ai/news/announcing-mistral-7b/

1. 文章简介

这篇文章是上年10月Mistral提出的一个小的LLM模型。

作为微软最主要的OpenAI的备胎公司之一，他们的模型自然也是有着不错的效果，文中宣称他们通过对模型本身的调优，使得他们在7B的模型上就获得了超越Llama2 13B模型的效果。尤其后续他们使用Mistral 7B模型进行ensemble获得的SMoE模型更是宣称可以比肩GPT4。

当然，这种夸口自然是多少有一定的水分，不过无碍于我们去了解一下这个模型，看看他们的工作能否在我们自己的工作当中得到一定的借鉴。

不过，考虑到现在的工作越来越像是一个prompt后端工程师，我又双叒叕emo了……

2. 模型结构说明

首先，Mistral 7B模型还是一个基于Llama的Transformer架构下的优化模型，其基础的参数设计如下：

而在此基础上，文中主要做出了以下三部分的内容的修改：

1. SWA (Sliding Window Attention)
2. Rolling Buffer Cache
3. Pre-fill and Chunking

下面，我们来注意考察一下这三部分的内容。

1. SWA (Sliding Window Attention)

首先，文中在Llama的基础上上做出的第一个调整是将attention结构调整为了Sliding Window Attention，其具体结构可以参考下述示意图：

整体来看，SWA就是在attention的context长度窗口上进行了一下截断，和Linear Attention原理上相差不多，不过Linear Attention只保留了临近几个token的attention，而文中的window长度如上述参数表所示，还是保留了比较长的（4096/8192）。

2. Rolling Buffer Cache

文中做出的第二个改进点在于加入了Rolling Buffer Cache，其具体结构如下：

整体来说，他就是使用一个有限的cache来存储key-value，从而节省内存空间，使得GPU使用上更有效率，对于模型效果倒是没有影响。

3. Pre-fill and Chunking

文中做出的最后一个调整是关于infer阶段的，具体来说，考虑到prompt往往是固定的，因此文中使用他们称之为Pre-fill and Chunking的方法提前处理掉固定的prompt，将其提前放知道2中提到的cache当中。

其demo示意图如下：

3. 实验考察 & 结论

给出了Mistral 7B模型的整体模型设计之后，我们来看一下文中针对Mistral 7B模型的效果考察。

1. 基础实验

首先，关于Mistral 7B模型的常规实验考察，文中主要是在以下几个任务上进行的考察：

1. Commonsense Reasoning (0-shot)
2. World Knowledge (5-shot)
3. Reading Comprehension (0-shot)
4. Math
5. Code
6. Popular aggregated results

得到实验结果如下：

可以看到，在各类任务当中，Mistral 7B模型基本上是碾压了Llama2 7B甚至13B模型的。

更进一步地，文中绘制了不同size的Llama2模型的效果与Mistral 7B模型进行了比较，并对比了两者的执行效率，得到结果如下：

可以看到，Mistral 7B模型基本就是纯碾压。

2. Instruction Tuning

除了在预训练模型上的基础考察之外，文中还考察了一下经过了Instruction Tuning之后的Mistral 7B模型的效果，得到结果如下：

可以看到，在排行榜上，Mistral 7B模型也是干掉了Llama2 13B模型，有一个很好的排名。

3. 安全性分析

最后，文中还考察了一下Mistral 7B模型的安全性，具体包括两方面：

1. 能否避免对有害问题给出回复
2. 能否正确区分有害问题

文中首先在175个有害prompt下考察了一下Mistral 7B与其他一些模型的效果，得到结果如下：

可以看到Mistral 7B效果不输于Llama 13B模型。

另一方面，文中给出了一个kill linux进程的case来说明了一下Mistral 7B可以更准确地识别出问题的有害性，较不容易带来误伤。

4. 总结 & 思考

综上，这篇短论文提出了Mistral 7B的模型，它是在Llama2基础上的另一个LLM，且宣称获得了更好的效果。

这个模型已经开源了，有空的话后面可以试一下，作为微软重点押注的AGI公司，可以期待一下后续的发展。