今天是2024年10月14日，星期一，北京，天气阴。
我们来看两个工作，关于大模型量化方法的一些总结以及EDC：大模型用于信息抽取框架。
会有一些收获。
里面提到23个主流的大模型推理框架以及新的知识图谱构建流程，很有意思
一、EDC：大模型用于信息抽取框架
关于大模型用于信息抽取，最近的工作《Extract, Define, Canonicalize: An LLM-based Framework for Knowledge Graph Construction》，https://arxiv.org/pdf/2404.03868v2，https://github.com/clear-nus/edc，这篇文章介绍了一个基于大模型的框架，用于从文本中自动构建知识图谱。这个框架被称为Extract-Define-Canonicalize（EDC），分为三个阶段：开放信息提取、模式定义和模式规范化。
我们可以看下其具体实现细节：
1、开放信息提取（Open Information Extraction）：
利用大模型进行少量样本提示（few-shot prompting），从输入文本中识别并提取关系三元组（[Subject, Relation, Object]），这个过程不依赖于任何特定的模式（schema）。
例如，给定文本“Alan Shepard was born on Nov 18, 1923 and selected by NASA in 1959. He was a member of the Apollo 14 crew”，LLMs会提取出三元组[‘Alan Shepard’, ‘bornOn’, ‘Nov 18, 1923’]和[‘Alan Shepard’, ‘participatedIn’, ‘Apollo 14’]。
2、模式定义（Schema Definition）：
接下来，通过提示LLMs为开放知识图谱中提取的每个模式组件（例如实体类型和关系类型）提供自然语言定义。
例如，对于关系‘bornOn’和‘participatedIn’，LLMs会生成它们的定义，这些定义随后作为辅助信息用于规范化阶段。
3、模式规范化（Schema Canonicalization）：
第三阶段的目标是将开放知识图谱提炼成规范形式，消除冗余和歧义。
使用句子转换器将每个模式组件的定义向量化，创建嵌入（embeddings）。
规范化过程根据目标模式的可用性采取两种方式之一：
一个是目标对齐（Target Alignment）：在存在目标模式的情况下，识别目标模式中与每个元素最相关的组件，考虑它们进行规范化。LLMs评估每个潜在转换的可行性，如果转换不合理，则表示目标模式中没有语义等价物，该组件及其相关三元组将被排除。
另一个是自我规范化（Self Canonicalization）：在没有目标模式的情况下，目标是整合语义相似的模式组件，将它们标准化为单一表示，以简化知识图谱。从空的规范模式开始，通过向量相似性和LLM验证，检查开放知识图谱三元组中的潜在整合候选者。
4、迭代细化（EDC+R: iteratively refine EDC with Schema Retriever）：
利用EDC生成的数据来提高提取三元组的质量。
通过提供之前提取的三元组和相关部分的模式作为提示，在初始提取期间重复EDC。
二、关于大模型量化方法的一些总结
最近的工作《A Survey of Low-bit Large Language Models: Basics, Systems, and Algorithms》，https://arxiv.org/abs/2409.16694，是关于大型语言模型（LLMs）的低比特量化技术的综述，看看也不错。
我们来看看其中的几个点：
1、LLM量化方法的框架
图1展示了大型语言模型（LLM）量化方法的框架结构，这张图通过分解量化过程的主要组成部分，帮助读者理解量化方法的不同方面。
1）Number Formats（数字格式）：标准格式（Standard Formats）：介绍了在量化中使用的标准化数字格式，如浮点数（FP）、微浮点数（Micro-FP）、整数（INT）、二进制（Bi）等；定制格式（Custom Formats）：针对LLMs设计的特定数字格式，如Flint、Abfloat、SF等，这些格式旨在更好地处理模型中的异常值或提高计算效率。
2）Quantization Granularity（量化粒度）：量化可以在不同层次上进行，例如整个张量（Tensor-wise）、每个token（Token-wise）、通道组（Channel Group-wise）、元素级别（Element-wise）等。
3）Dynamic and Static Quantization（动态和静态量化）：动态量化（Dynamic Quantization）：不需要校准，量化参数实时计算，简化了量化模型的准备。静态量化（Static Quantization）：需要预先校准量化参数，但提供了更快的推理性能。
4）Inference Frameworks and System Support（推理框架和系统支持）：支持量化LLMs的框架和系统，包括不同的算法、支持的硬件平台、模型家族等。
5）Efficient Training（高效训练）：低比特训练技术，如低比特训练、参数高效微调等。
6）Efficient Inference（高效推理）：LLMs的量化感知训练和后训练量化方法，包括等效转换、补偿、混合精度、组合量化等技术。
7）Quantization Toolkit and Benchmark（量化工具包和基准测试）：支持准确低比特LLMs开发的集成算法工具包。
8）Future Trends and Directions（未来趋势和方向）：LLM量化的未来趋势和潜在进展。
图1作为一个框架图，提供了一个清晰的视角来理解文章中讨论的量化技术和策略。它将复杂的量化过程分解为可管理的部分，使得读者可以更容易地跟随文章的论述。
2、针对量化大模型推理框架
表2中列出了一些代表性的推理框架。目前，没有一个单一的推理框架在性能或使用上占据主导地位。
然而，一些经典的深度学习框架，比如TensorRT-LLM、ONNX-runtime、Transformers（Huggingface）、OpenVINO、PowerInfer、PPLNN和Xorbits Inference已经集成了对大型模型高效推理的支持。
此外，随着大型模型的出现，还出现了其他专门为LLMs提出的推理框架，如bitsandbytes、ctransformers、MLC-LLM、DeepSpeed-MII、vLLM、LMDeploy、LightLLM、QServe、llama.cpp、llama2.c、inferflow、ScaleLLM、SGLang、gpt-fast、FastChat2、OpenLLM等等。这些框架轻量级，并且已经集成了许多针对大型模型的专业优化技术。
可以看下具体的项目地址：
1）TensorRT-LLM1：https://github.com/NVIDIA/TensorRT-LLM
2）ONNX-runtime：https://github.com/microsoft/onnxruntime
3）Transformers (Huggingface)：https://huggingface.co/docs/transformers/en/index
4）OpenVINO：https://github.com/openvinotoolkit/nncf
5）PowerInfer：https://github.com/SJTU-IPADS/PowerInfer
6）PPLNN：https://github.com/openppl-public/ppl.nn
7）aXorbits Inference：https://github.com/xorbitsai/inference
8）bitsandbytes：https://github.com/bitsandbytes-foundation/bitsandbytes
9）ctransformers：https://github.com/marella/ctransformers
10）MLC-LLM：https://github.com/mlc-ai/mlc-llm
11）DeepSpeed-MII：https://github.com/microsoft/DeepSpeed-MII
12）vLLM：https://github.com/vllm-pro ject/vllm
13）LMDeploy：https://github.com/InternLM/lmdeploy
14）LightLLM：https://github.com/ModelTC/lightllm
15）QServe：https://github.com/mit-han-lab/qserve
16）llama.cpp：https://github.com/ggerganov/llama.cpp
17）llama2.c：https://github.com/karpathy/llama2.c
18）inferflow：https://github.com/inferflow/inferflow
19）ScaleLLM：https://github.com/vectorch-ai/ScaleLLM
20）SGLang：https://github.com/sgl-pro ject/sglang
21）gpt-fast：gpt-fast：https://github.com/pytorch-labs/gpt-fast
22）FastChat：https://github.com/lm-sys/FastChat
23）OpenLLM：https://github.com/bentoml/OpenLLM
3、即用算法
随着LLMs量化算法的出现，一些典型的方法已经被大多数框架集成，而有些方法可能是在特定框架上最初开发和发布的。我们在表2中列出了每个主流框架中最即用的算法。大多数框架都包含了一些方法，如GPTQ、AWQ、SmoothQuant等。
这些方法有几个共同的优点：量化后高精度和高效性能、能够无缝集成到现有的实现流程中，以及用户友好性。
此外，一些算法被几个框架支持。例如，LLM.int8()被bitsandbytes很好地支持，它允许直接从HuggingFace Hub存储和加载8位权重，并将线性层中的权重量化为8位。
FP6-LLM被集成在DeepSpeed-FastGen24中，以实现6位浮点权重量化的运行时量化。
它通过统一的配置选项，允许6位权重LLMs的高效量化和反量化。值得注意的是，Transformers和QServe集成了大多数算法，并提供了全面的用户手册和详细的例子，使深度学习研究人员和开发人员能够快速开始。
参考文献
1、https://arxiv.org/pdf/2404.03868v2
2、https://arxiv.org/abs/2409.16694
关于我们
老刘，NLP开源爱好者与践行者，主页：https://liuhuanyong.github.io。
对大模型&知识图谱&RAG&文档理解感兴趣，并对每日早报、老刘说NLP历史线上分享、心得交流等感兴趣的，欢迎加入社区，社区持续纳新。
加入会员方式：关注公众号，在后台菜单栏中点击会员社区->会员入群加入
