Exea LabsBlog
English英語版

ExeaLM の内部

0.1B のモデルを、層の積み重ねから 1 つの回路まで。

図 01ExeaLM 0.1B
00 TONN010203 TONN040506 TONN070809 TONN101112 TONN13残差ストリーム14 層640 チャネル
14 層。約 9 千万パラメータ。

回路が載った板が TONN 層、残りはアテンション層。層にカーソルを合わせてください。

  • メモリ
  • 短距離
  • 状態の蓄積
  • ゲートと積
  • アテンション
01

TONN 層の中

1 つの射影が残差ストリームを 20 のスロットに分けます。各スロットは 3 つのストリームで小さな回路を動かします。1 つの射影が結果を書き戻します。

DDCCCIIIEPEPSMSMOSOSOSOSRPRPRGAG次の層へ残差ストリーム(640 チャネル)入力射影20 スロット × ストリーム A・B・C(各 32 チャネル)スロットごとに 1 つの回路スロットごとの単位スケールマスク(探索がスロットを止めて価値を測る)出力射影残差ストリームに足し戻すゲートつき MLP
回路にカーソルを合わせてください。
TONN 層を上から下へ。回路にカーソルを合わせると計算の中身が出ます。
02

回路のメニュー

スロットに入る回路は 14 種類。学習中の探索が、損失を下げる回路を残します。

遅延
短距離
D

ストリーム A を一定ステップ前(ラグ)からそのまま写します。

短い畳み込み
短距離
C

現在の A、1 間隔前の B、2 間隔前の C を足し、滑らかなゲート(silu)を通します。短い語の断片に強い回路です。

減衰つき累積和
状態の蓄積
I

チャネルごとに学習した割合で薄れていく A の和を保ちます。

ゲートつき累積和
状態の蓄積
GI

累積和と同じですが、過去をどれだけ残すかを B が毎ステップ決めます。

積の累積和
状態の蓄積
MI

ラグをつけた A と B の積をとり、その減衰つきの和を保ちます。

ゲートつき積メモリ
状態の蓄積
MIM

積の累積和を C を通して読み出します。誘導ヘッドのように、組を見て後で思い出す働きをします。

ソフトマックス集約
状態の蓄積
EP

過去全体にわたる B の加重平均で、重みは exp(A) です。

選択的状態空間
状態の蓄積
SM

Mamba に似た状態です。B が位置ごとにステップ幅を決め、何を覚えるかを回路が選びます。

振動メモリ
状態の蓄積
OS

減衰しながら回転する状態(S4D に似ています)で、リズムや周期的なパターンを追えます。

ゲートユニット
ゲートと積
G

同じ位置で silu(A) と B を掛けます。位置ごとの小さな MLP です。

積
ゲートと積
M

数ステップ前の A と現在の B の積です。

回転位置アテンション
アテンション
RP

スロットの中の小さなアテンションヘッドです。A が問い、B が答え、C が渡す内容です。

検索
メモリ
RG

モデル自身の埋め込みで読み取り専用のライブラリを検索し、見つけたチャンクを読みます。

エージェント掲示板
メモリ
AG

チャンクごとにメッセージを投稿し、ほかのモデルのコピーが投稿したメッセージを読みます。

すべての回路を同じ入力で動かしたもの。薄い棒が入力、線が出力です。
03

検索

64 トークンごとに、モデル自身の埋め込みで読み取り専用のライブラリを検索し、上位 4 チャンクを読みます。

TheThamesflowseastthroughcentralLondonto… 64

検索は 64 トークンのチャンクごとに 1 回です。

検索回路を 1 段階ずつ。
04

掲示板

モデルのコピーはチャンクごとにメッセージを投稿し、互いの投稿を読みます。勾配は掲示板を通って流れます。

全エージェントが最初のチャンクを読みます。

掲示板なしエージェント 1FACT k7 42FACT k2 61エージェント 2FACT k3 19FACT k9 30エージェント 3FACT k5 8FACT k1 5質問役ASK k7 ?ANS …チャンク 1チャンク 2
中継タスク:3 体が事実を持ち、質問役がその 1 つを必要とします。掲示板を切ると質問役は当て推量になります。
05

数字で見る

幅
640
層
14(TONN は第 0・3・6・9・12 層)
アテンション
64 チャネルのヘッド 10 個
TONN のスロット
32 チャネルの回路 20 個
メモリ回路
TONN 層ごとに検索 1 つ、掲示板 1 つ
チャンク
64 トークン、上位 4 件を検索
スウォーム
掲示板 1 つにエージェント 4 体
トークナイザー
バイトレベル BPE、32,768 語彙
パラメータ
約 9 千万
学習
約 1,000 億トークン(予定)