ترجمه فارسی مقاله STBLLM: شکستن سد تک بیتی با LLM های دودویی ساختاریافته

چکیده

In this paper, we present STBLLM, the first structural binarization framework for compressing Large Language Models (LLMs) to less than 1-bit precision. LLMs have achieved remarkable performance, but their heavy memory requirements have hindered widespread adoption, particularly on resource-constrained devices. Binarization, which quantifies weights to a mere 1-bit, achieves a milestone in increasing computational efficiency. However, we observe that some weights in binarized LLMs can be randomly flipped without significant performance degradation, indicating the potential for further compression. To exploit this, our STBLLM employs an N:M sparsity to perform structural binarization of the weights. First, we introduce a new Standardized Importance (SI) metric that considers weight magnitude and input feature norm to better evaluate weight significance. Then, we propose a layer-wise approach where different layers of the LLM can be sparsified with varying N:M ratios, balancing compression and accuracy. Finally, we use residual approximation with double binarization to preserve information for salient weights. In addition, we utilize a fine-grained grouping strategy for less important weights that applies different quantization schemes to sparse, intermediate, and dense regions. We conduct extensive experiments on various language models, including the LLaMA-1/2/3, OPT family, and Mistral, to evaluate the effectiveness of STBLLM. The results demonstrate that our approach performs better than other compressed binarization LLM methods while significantly reducing memory requirements.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله ، ما STBLLM ، اولین چارچوب باناریزاسیون ساختاری برای فشرده سازی مدلهای بزرگ زبان (LLM) را به دقت کمتر از 1 بیتی ارائه می دهیم.LLM ها به عملکرد قابل توجهی رسیده اند ، اما نیازهای سنگین حافظه آنها مانع پذیرش گسترده ، به ویژه در دستگاه های محدود شده منابع شده است.باینریسیون ، که وزن را به یک بیت فقط 1 می دهد ، در افزایش کارایی محاسباتی به یک نقطه عطف می رسد.با این حال ، ما مشاهده می کنیم که برخی از وزنهای موجود در LLM های باینری شده می توانند به طور تصادفی بدون تخریب عملکرد قابل توجهی تلنگر شوند ، که نشانگر پتانسیل فشرده سازی بیشتر است.برای بهره برداری از این ، STBLLM ما از کمبود N: M برای انجام باناریسیون ساختاری وزنه ها استفاده می کند.اول ، ما یک متریک اهمیت استاندارد استاندارد (SI) را معرفی می کنیم که میزان وزن و هنجار ویژگی ورودی را برای ارزیابی بهتر اهمیت در نظر می گیرد.سپس ، ما یک رویکرد لایه ای را پیشنهاد می کنیم که در آن لایه های مختلف LLM با نسبت N: M متفاوت ، می توان از آن استفاده کرد.سرانجام ، ما از تقریب باقیمانده با باینرینگ دوتایی برای حفظ اطلاعات برای وزن های برجسته استفاده می کنیم.علاوه بر این ، ما از یک استراتژی گروه بندی ریز دانه برای وزنهای کم اهمیت استفاده می کنیم که طرح های کمیت مختلف را در مناطق پراکنده ، متوسط ​​و متراکم اعمال می کند.ما برای ارزیابی اثربخشی STBLLM ، آزمایش های گسترده ای را در مدل های مختلف زبان ، از جمله Llama-1/2/3 ، Family Opt و Mistral انجام می دهیم.نتایج نشان می دهد که رویکرد ما عملکرد بهتری نسبت به سایر روشهای Binarization LLM فشرده شده دارد و در عین حال نیازهای حافظه را به میزان قابل توجهی کاهش می دهد.