陈丹琦等人组织的COLM奖项公布：被ICLR拒稿的Mamba入选杰出论文

会议组织者都是 nlp 头部科学家，在语言建模方面有着相当的成果。

随着 AI 领域的快速发展，大模型逐渐成为研究的核心，为了更好地探索这一领域，2023 年，一批知名的青年学者组织了一个名为 COLM（Conference on Language Modeling）的新会议。

该会议的组织者们都是 NLP 头部科学家，在语言建模方面有着相当N h B T S N a = l的成果。他们其中既有来自b k M业界的研究人员，也有来自学术界的研究人员。

在今年的组织者z R Q中，有我们熟Y O 6 = \ ( V V悉的陈( o l @ 7 : )丹琦、Angela Fan 等华人学者。

COLM 是一个t B A K ] X 9 ( 0专注于语言建模研究的学术场所，旨在创建一个具有不同科学4 N J w \ r专业知识k ~ c j ^ V J =的研究人员社区，专注于理V W A \ _ u /解、改进和评论语言模型技术的发展。这– r S ( \不仅是学术界的一次创新尝试，也是搭起了语言模型交流互鉴的新桥梁，进一步促进其探索和合作。

接收论文链接：https://colmweb.org/AcceptedPapers.html

刚刚，大会公布了 2024 年杰出论文奖，共有 4 篇论文获奖。

值得一提的是，号称撼动 Transformer 统治地位F r o + K w 1 } w的 Mamba 也在获奖论文中。8 j 7 0

此前，MambF 2 * L ~ s #a 这项研究惨遭 ICLR 拒稿，引来学术界轩然大波。

不过，之后 Mamba 原班人马发布的 Mamba-2. n G * A I ; O G 顺利拿2 V M下了 ICML 2024。如今 Mamba 又获得了 COLM 杰出论文奖，很多网友都送来祝贺。

Mamba 作者之一、卡内基梅隆大学机器学习系8 / ) l助理教授 Ai n F 4 ilbert Gu 用一张表情很好的表达了自己的感受，看来「COLM 是真香」。

杰出论文奖

论文 1：Dated Data: Tracing Knowledge Cutoffs in Large Language Models

• 机构k | ` V u [ ( F：霍普金斯大学

• 作者：Jeffrea # Qy Cheng、Marc Marone、Orip L ` ( \ Yon Weller、Dawn Lawrie等

• 论文地址：https://opH ) / / z | W J _enreview.net/pdf?id=B g q [ W f dwS7PxDjy6m

大型语言模型 (LLM) 通常有「知识截止日期」，即收集训练数据的时间。该信息对于需要 LLM 提供最新信息的应用场景至关重要l y n ~ r L。

然而，训练数据中所有子资源是否共享相同的「知识截止日期」？模型响应展示出的知识是否与数据截止值一致？

该论文定义了「有效截止」的概念，它与 LLM 报告的「知识截止日期」不同，并且训练数据子资源之间也有所不同c u S h & [ L 4 m。该研究提出了一种简单的方法，通过跨版本的数据探测来估计 LLM 在资源级别的有效截V 1 t k $ o止点。至关重要的是，该方法不需要访问模型的预训练数据。

通过分析，该研究发现\ – (有效的截止值通常与报告的截止值有很大不同。为了了解这一观察结果的根本原因，该研究对开放的预训练数据集进行了大规模分析。

分析揭示了造成这些不一致的两个主要原因：

• 由于新 dump 中存P I h %在大量旧数据，导致 CommonCrawl 数据出现时间错位；

• LLM 重复数据删除方案的复杂性涉及f U s 0 \ A P { i语义重复和词汇近似重复。

论文 2：Mamba: Linear-Time Sequence Modeling with Sw , L & _ W 8 ielective State Spaces

• 机& O ) & U * ( W构：卡内基梅隆大学、普林斯顿大学

• 作者：Albert Gu] N # \ | ] T O W、Tri Dao

• 论文地址：https://arxiv.org/pdfa L +/2312.00752

自 2017 年被提出以来，Transformer 已经成为 AI 大模型的主流架构，但随X i t着模型规模扩大和处理序列变长，其计算效率问题凸显，特别是在长上下文中，计算量将呈平方级增长。

为解决这一问题，研究者们围绕注意力开发了多种变体，如线性注意力、门控卷积、循环模型、SSMs 等，但它们在语言等模态上的表现并不理想，无法进行基于内容的推理。

基U ) { } | x U于此，论文作3 8 B b \ _ b i x者进行了M H 2 ` A * _ @ 5几项改进。首先，让 SSM 参数成为输入的函数，解决了离散模态的弱点，使模型能根据当前 token 有选择地传播或遗忘信息。

这种改动导致卷积效率降低，对模型的计算带来了挑战。论文作者设计了一种硬件感知算法，将先前的 SSM 架构设计与 Transformer 的 MLP 块合并f F $ b : ?为一个块，简化了深度序列模型架构，形成了一种包含选择性状态空间的简单、同质的架构设计（Mamba）。

MamI ( e D C t ( Nba 可以随上下文长度的增加实现线性扩展，其性能在实际数据中可提高到百万 token 长度@ E t ^ J序列，并实现 5 倍的推理I q a S 4吞吐量提升。

作为通用序列模型的骨干，MamQ ` @ = . (ba 在语言、音频和基H W 8 o I因组学等多种模态中都达到了 SOTA 性能。在语言建模方面，无论是预训练还是下游评估，他们的 Mamba-3B 模型都优于同等规模的 TransformB ^ 6 s V H : Ker 模型，并能与两倍于其规模的 TraT [ o ^ N jnsformer 模型相媲美。

更多详情，可以参考本站之前的报p T N k % @道：五倍吞吐量，w \ k C J y P性能全面包围 Transformer：新架构 Mamba 引爆 Aa ) U m [I 圈。

论文 3：O V E \ o qAI-generated text boundary detection with RoFT

• 机构：俄罗斯 AI 基金会与算法实验室、英国伦敦玛丽女王大学、日本 Noeon 研究所、斯科H o *尔科沃科学技术学院等

• 作者：Laida Kushnareva, Tatiana Gaintseva, Dmitry Abulkhanov等

• 论文地址：https://) ^ & 8 S V rarxiv.oi ( z ^rg/pdf/2p { d O t311.08349

随着大语言模型的发展，我g j :们越来越频繁地遇到这样的情况：一篇文章起初可能出自人类之手，但随后可能被 AI 接手加以润色。如何从这种文本中检测出人类写作与机器生成的界限？这是一个具有挑战性的问题，但还尚未得到太多关注。

论文作者试图填补这1 O / A一空白。他们对最先进的检测方法进行了测试。具体而言，他们采用「真假文本」测试集，测试了在极限情况下，这些方法的表H k m E 5 5 f现。「真假文本」测试集包含各种语言模型生成的多个( 1 Z D主题的短文本。

他们发现，基于困惑A ; d度的边界检测方法，在处理特E H g g |定领域的数据时，比对 RoBERTa 模型进行监督式的方法更加鲁棒。他们还发现了一些特定的文本特征。这些特征可能会干扰边界检测算法的判断，导致算法在处理跨领域的文本时，其性能会下降。

论文 4：Auxiliary task demands mask th~ E + ; +e capabilities of smaller language models

• 机构：哈佛大学、斯坦$ 5 w L d福大学

• 作者：Jennifer Hu、Michael Frank

• 论文地址：https://openreview.net/forum?id=U5BUzSn4tD#discussion

发展心理学家一直在争论语言理解或心理理论等认知能力何时出现。这些争论通常取决于「任务要求」的概念 —— 与执行特定评估相关的挑战。在衡量语言模型 (LM) 的1 T T 7 Y 9能力时，任务的性b = c J ? ( w G F能是模型基础知识的函数，再加上模型在给p K % g定可用资源的情况下解释和执行任务的能力。

该研C ? } s X J 4究表明，对于类比推理、反思推理、单词预测和语法判断，任务要求较高的评估方法比要求减少9 e c ? # O V u的评估方法产生的性能更低。对于参数较少和训练数据较少的模型，# { v T Q d (这种「需求差距」最为明显。实验结果表明，LM 的性能$ # & E s不应被解释为智能（或缺乏智能）的直接表现，而应被解释为通过研究人员设计选择的视角所看到的能力反映。

以上就是陈丹琦等人组织. G B W [ R p U的COLM奖项公布：被y + 4 y u % \ICLR拒稿的Mamba入选杰出论文的详细内容！