谷歌刚刷新大模型上下文窗口长度记录，发布支持100万token的Gemini 1.5，微软就来砸场子了。
推出大模型上下文窗口拉长新方法——LongRoPE，一口气将上下文拉至2048k token，也就是200多万！
并且1000步微调内，即可完成从短上下文到长上下文的扩展，同时保持原来短上下文窗口性能，也就是说训练成本和时间又省了一大笔。
网友看不下去了，直呼“谷歌太惨了”：
此外值得一提的是，这次LongRoPE为纯华人团队，论文一作Yiran Ding，就读于杭州电子科技大学，于实习期间完成该项工作。
LongRoPE究竟长啥样？先来看一波测试效果。
拿LLaMA2和Mistral试试水
上下文窗口有效拉长，语言模型长文本理解能力可以得到很大提高。研究人员在LLaMA2-7B和Mistral-7B上应用LongRoPE，从三个方面评估了其性能。
第一项测试是在长文档上评估扩展上下文语言模型的困惑度。
在256k以内的评估长度上，研究人员使用Proof-pile和PG19数据集来进行测试。
LongRoPE在4k-256k的文本长度上，整体上显示出困惑度下降的趋势，优于基准。
△LongRoPE在Proof-pile数据集上的表现
即使在上下文窗口长度是标准长度16倍的条件下，LongRoPE-2048k模型在256k上下文长度内也超过了最新基线水平。
△LongRoPE在PG19数据集上的表现
接下来上难度，从Books3数据集中随机选取20本书，每本长度超2048k，使用256k的滑动窗口。
研究人员观察到2048k的LLaMA2和Mistral之间性能差异显著。
在8k-128k的文本长度上二者均取得了与基线相当的或更优的困惑度。LLaMA2的困惑度随着文本长度的增加而逐渐下降，在1024k和2048k长度处略有上升，展示了较好的性能。
不过，Mistral在较短的长度上胜过基线，但当文本长度超过256k时，其困惑度急剧上升。研究人员分析，主要原因是对于Mistral的微调采用了与YaRN相同的设置，即使用16k长度的文本进行训练，导致了模型难以有效处理更长的文本。
第二项测试是用Passkey检索任务评估在海量无关文本中检索简单密钥的能力。
也就是在很长的文本中随机隐藏一个五位数的密码，让模型找出这个密码。
结果显示，现有模型的准确率在文本超度超128k后迅速下降到0。
而LLaMA2-2048k在4k-2048k文本范围内保持了90%以上的检索准确率，Mistral-2048k在1800k之前保持了100%的准确率，在2048k时准确率下降到60%。
第三项测试是在短4096上下文窗口长度内的标准大语言模型基准测试上评估。
这项测试，主要是为了检验模型上下文窗口被扩展后，在原有任务上的表现会不会受到负面影响。
LongRoPE-2048k模型在原始上下文窗口大小的任务上，与原始模型相比表现相当。
在TruthfulQA上，扩展后的Mistral比原始高出0.5%；LLaMA2性能略微下降，但在合理的范围内。
这是如何做到的？
LongRoPE可以有效扩展模型上下文窗口关键有三：非均匀位置插值、渐进式扩展策略、短上下文窗口性能恢复。
非均匀位置插值
位置嵌入（Positional Embeddings）在Transformer架构中，用于帮助模型理解长句中token的顺序。
位置嵌入通常是预先定义的，并与模型的其他参数一起训练，当模型需要处理的文本长度超过其训练时的上下文窗口时，新出现的token的位置就需要新的位置嵌入。
而LongRoPE通过识别并利用位置嵌入中两个形式的非均匀性，即不同的RoPE维度和token位置，优化了位置嵌入，不用微调就能实现8倍的上下文窗口扩展。
这种方法通过有效的搜索算法来确定每个RoPE维度的最佳缩放因子，针对每个RoPE维度的旋转角进行了重新缩放，同时也考虑了token位置的影响。
这样，模型在扩展上下文窗口的同时，能够更好地保留关键的维度和位置信息，减少信息损失。
渐进式扩展策略
此外，LongRoPE采用了一种渐进式扩展的方法。研究人员先对预训练的大模型进行微调，使其适应256k长度的文本。
然后，在微调后模型基础上进行搜索，找到新的位置插值参数以重新缩放RoPE，最终实现2048k上下文窗口，这个过程无需额外微调。
短上下文窗口性能恢复
在RoPE（旋转位置编码）中，超长上下文窗口会使得原始窗口内的维度被迫聚集在更小范围内，从而影响模型性能。
为此，研究人员调整了短上下文窗口RoPE的重缩放因子，使其与长上下文时不同，缓解了性能下降的问题。
通过这种动态调整机制，LongRoPE在处理极长文本和处理短文本时都表现良好。
LongRoPE发布后，部分网友认为RAG恐面临淘汰：
不过也有质疑的声音：
