快科技10月1日消息，AMD发布了自己的首个小语言模型(SLM)，名为AMD-135M”。
相比于越来越庞大的大语言模型(LLM)，它体积小巧，更加灵活，更有针对性，非常适合私密性、专业性很强的企业部署。
AMD-135小模型隶属于Llama家族，有两个版本：
一是基础型AMD-Llama-135M”，拥有多达6700亿个token，在八块Instinct MIM250 64GB加速器上训练了六天。
二是延伸型AMD-Llama-135M-code”，额外增加了专门针对编程的200亿个token，同样硬件训练了四天。
创建与部署流程
它使用了一种名为推测解码”(speculative decoding)的方法，通过较小的草稿模型，在单次前向传播中生成多个候选token，然后发送给更大的、更精确的目标模型，进行验证或纠正。
这种方法可以同时生成多个token，不会影响性能，还可以降低内存占用，但因为数据交易更多，功耗也会增加。
AMD还使用AMD-Llama-135M-code作为CodeLlama-7b的草案模型，测试了推测解码使用与否的性能。
比如在MI250加速器上，性能可提升最多约2.8倍，锐龙AI CPU上可提升最多约3.88倍，锐龙AI NPU上可提升最多约2.98倍。
推测解码
AMD-135M小模型的训练代码、数据集等资源都已经开源，遵循Apache 2.0。
按照AMD的说法，它的性能与其他开源小模型基本相当或略有领先，比如Hellaswag、SciQ、ARC-Easy等任务超过Llama-68M、LLama-160M，Hellaswag、WinoGrande、SciQ、MMLU、ARC-Easy等任务则基本类似GTP2-124MN、OPT-125M。
总结
AMD发布了首个小语言模型AMD-135M，这款模型体积小巧、灵活且针对性强，尤其适合私密性、专业性企业部署。该模型属于Llama家族，分为基础型AMD-Llama-135M和针对编程的延伸型AMD-Llama-135M-code。训练过程中，AMD采用了创新的“推测解码”方法，通过小草稿模型快速生成多个候选token，再由大模型验证或纠正，这种方法在提高生成效率的同时降低了内存占用但增加了功耗。AMD-135M小模型已在不同加速器上展示了显著性能提升，并遵循Apache 2.0协议开源了训练代码和数据集。其性能与现有开源小模型相当甚至在某些任务上略有领先。