想挑战 Transformer 的新架构有很多，来自谷歌的“正统”继承者Titan架构更受关注。
英伟达把测试时间计算（Test-time Computing）称为大模型的第三个 Scaling Law。
OpenAI 把它用在推理（Reasoning），谷歌这次把它用在了记忆（Memory）。
一作Ali Behrouz表示：
Titans 比 Transformers 和现代线性 RNN 更高效，并且可以有效地扩展到超过 200 万上下文窗口，性能比 GPT4、Llama3 等大模型更好。
他还解释了这篇研究的动机，团队认为 Transformer 中的注意力机制表现为短期记忆，因此还需要一个能记住很久以前信息的神经记忆模块。
新的长期记忆模块
提到记忆，大家可能会想到 LSTM、Transformer 等经典模型，它们从不同角度模拟了人脑记忆，但仍有局限性：
- 要么将数据压缩到固定大小的隐状态，容量有限 要么可以捕捉长程依赖，但计算开销随序列长度平方级增长
并且，仅仅记住训练数据在实际使用时可能没有帮助，因为测试数据可能在分布外。
为此，Titans 团队打算将过去信息编码到神经网络的参数中，训练了一个在线元模型（Online meta-model），该模型学习如何在测试时记住/忘记特定数据。
他们从神经心理学中汲取灵感，设计了一个神经长期记忆模块，它借鉴了人脑原理：
- 意料之外的事件（即“惊喜”）更容易被记住。 惊喜程度由记忆模块对输入的梯度来衡量，梯度越大说明输入越出人意料。 引入动量机制和遗忘机制，前者将短期内的惊喜累积起来形成长期记忆，后者可以擦除不再需要的旧记忆，防止记忆溢出。 记忆模块由多层 MLP 组成，可以存储深层次的数据抽象，比传统的矩阵记忆更强大。
这种在线元学习范式，避免了模型记住无用的训练数据细节，而是学到了如何根据新数据调整自己，具有更好的泛化能力。
另外，团队还验证了这个模块可以并行计算。
如何将这个强大的记忆模块融入深度学习架构中呢？
为此，Titans 提出了三种变体：
MAC，记忆作为上下文
将长期记忆和持久记忆（编码任务知识的不变参数）作为当前输入的上下文，一起输入给 attention。
MAG，记忆作为门
在记忆模块和滑动窗口 attention 两个分支上进行门控融合。
MAL，记忆作为层
将记忆模块作为独立的一层，压缩历史信息后再输入给 attention。
在实验中，发现每种方法都有自己的优缺点。
Titans 在语言建模、常识推理、时间序列预测等任务上全面超越 Transformer 和 Mamba 等各路架构的 SOTA 模型。
并且仅靠长期记忆模块（LMM，Long-term Memory Module）本身，就在多个任务上击败基线。
证明了即使没有短期记忆（也就是 Attention），该机制也具备独立学习的能力。
在长文本中寻找细粒度线索的“大海捞针”测试中，序列长度从 2k 增加到 16k，准确率保持在 90% 左右。
但团队认为，这些通用的测试已经体现不出 Titans 在长文本上的优势。
在另一项需要对分布在极长文档中的事实做推理的任务中，Titans 表现超过了 GPT4 、Mamba 等，以及 Llama3.1 + RAG 的系统。
另外在时间序列预测、DNA 序列建模等特定任务中，Titans 也取得不错的表现。
三位作者来自 Google Research NYC 算法和优化团队，目前还没被合并到 Google DeepMind。
一作是Ali Behrouz来自康奈尔大学的实习生。
钟沛林是清华姚班校友，博士毕业于哥伦比亚大学，2021 年起加入谷歌任研究科学家。
2016 年，钟沛林本科期间的一作论文被顶会 STOC 2016 接收，是首次有中国本科生在 STOC 上发表一作论文。
领队的Vahab Mirrokni是 Google Fellow 以及 VP。
团队表示 Titians 是用 Pytorch 和 Jax 中实现的，打算很快提供用于训练和评估模型的代码。
论文地址：
https://arxiv.org/abs/2501.00663v1
参考链接：
[1]https://x.com/behrouz_ali/status/1878859086227255347
本文来自微信公众号“量子位”（ID：QbitAI），作者：梦晨，36氪经授权发布。
