
字节找到了DeepSeek时强时弱的原因
闻乐 发自 凹非寺 量子位 | 公众号 QbitAI DeepSeek的神鬼二象性被字节Seed团队逮到了。 同一道题,什么都没改,只在前面多塞几个无关紧要的字符,模型突然就不会了??? 而且还不是偶尔抽风。 Seed研究人员发现,DeepSeek-V4的表现竟然会随着信息的输入位置, 每隔4个Token周期性变化 啥意思?模型记不记得住一件事,居然还要看这件事在输入里站哪儿?? 前面多两个Tok
据DB体育整理:
闻乐 发自 凹非寺 量子位 | 公众号 QbitAI DeepSeek的神鬼二象性被字节Seed团队逮到了。
同一道题,什么都没改,只在前面多塞几个无关紧要的字符,模型突然就不会了?
?
?
而且还不是偶尔抽风。
Seed研究人员发现,DeepSeek-V4的表现竟然会随着信息的输入位置, 每隔4个Token周期性变化 啥意思?
模型记不记得住一件事,居然还要看这件事在输入里站哪儿?
?
前面多两个Token,答案可能从错变对,再多两个,又给你改回去。
好好好,模型答题也开始讲究站位了。
在128K长上下文检索测试中,研究人员发现,同一条信息只是换了个位置,DeepSeek-V4系列模型的检索准确率 最高就能拉开40.
2个百分点 团队进一步发现,这个问题与DeepSeek-V4采用的一项长上下文优化技术有关—— 分 KV Cache压缩 这项技术本来是为了让模型处理长文本更省内存、更高效。
结果压缩之后,倒让模型时神时鬼了(doge)。
多两个Token,DeepSeek突然就答对了 字节Seed研究人员最开始是拿DeepSeek自己的代码做了个实验。
测试对象是 DeepSeek-V4-Flash-Base 他们从DeepSeek-V4的官方推理代码中截取了一段FP8量化函数,让模型补全最后一个Token。
任务的正确答案应该是8,因为这段代码需要完成FP8相关的类型转换。
但模型有时偏偏觉得应该补成32。
为了搞清到底咋回事,研究人员在代码前面加了一段纯装饰性的文档字符串,里面放着一些重复的等号。
然后,他们开始调整等号的数量。
代码本身没改、要补全的位置没改、正确答案当然也没改……唯一的变化,就是前面多了这几个没什么实际意义的Token。
结果,DeepSeek的答案开始反复横跳。
当填充长度落在某些位置时,模型更倾向于回答错误的32。
往前挪一两个Token,又开始倾向于正确的8。
再继续挪,错误答案又回来了—— 整个过程以4个Token为周期重复 更具体地说,在论文测试的16种填充长度中,当长度模4的余数为0或1时,模型倾向于错误答案32;
余数为2或3时,则倾向于正确答案8。
研究人员还统计了模型给两个候选答案分配的概率。
在一组位置上,错误答案32的平均概率达到71.
3%,正确答案8只有26.
4%。
换到另一组位置,情况直接反过来: 正确答案8的平均概率升到91.
5%,错误答案32只剩7.
2%。
也就是说,前面几个无关字符的长度变化,足以让模型对同一道题产生截然不同的判断。
这就有点难评了。
程序员调试代码,通常先检查逻辑、变量和依赖。
现在看来,可能还得顺手检查一下,前面是不是多打了两个等号。
不过单个代码补全案例,还不足以说明问题有多普遍。
于是Seed团队继续扩大测试。
他们把目光转向大模型长上下文能力里很经典的一项任务, 大海捞针 研究人员构造了一段长达128K Token的上下文,里面包含约 1.
6万个键值对 比如K1对应V1,K2对应V2…… 然后让模型从中找出指定Key对应的Value。
测试过程中,键值关系不变,问题不变,上下文总长度也保持一致。
研究人员重点调整 目标信息相对于压缩窗口边界的位置 结果发现,DeepSeek-V4系列的准确率曲线,竟然呈现出非常明显的周期性起伏。
其中DeepSeek-V4-Flash-Base在不同位置之间的最大准确率差距达到40.
2个百分点 DeepSeek-V4-Pro-Base也达到34.
8个百分点。
经过 后训练 之后,情况有所改善。
DeepSeek-V4-Flash-0731的差距缩小到19.
1个百分点,DeepSeek-V4-Pro-0813缩小到14.
8个百分点。
而更新的DeepSeek-V4.
1-Flash-0910,差距进一步降至6.
1个百分点。
但周期性差异依然存在。
这种差异性是怎么来的呢?
再往细看,DeepSeek-V4的波动周期是4个Token,DeepSeek-V4.
1则变成了2个Token。
研究人员发现,这 恰好对应两代模型各自采用的KV Cache压缩步长 好嘛,连答题表现的起伏周期,都和底层压缩配置对上了。
问题出在KV Cache压缩?
那咱就来说说KV Cache压缩。
大模型处理长上下文时,需要保存大量历史Token对应的Key和Value信息,供后续注意力计算使用。
上下文越长,这部分缓存占用的内存和计算开销就越大。
尤其是动辄几十万、上百万Token的长任务,KV Cache很容易成为推理效率的瓶颈。
所以DeepSeek-V4采用了 分块KV Cache压缩 思路是把连续的Token分成一个个窗口,再将窗口内的信息压缩成更少的缓存条目。
这样模型就不用为每个历史Token保留同样规模的缓存。
既节省内存,也能降低长上下
关注DB体育,掌握更多体坛动态。
继续发现更多内容
从行业趋势到服务实践,我们持续整理具有参考价值的内容,欢迎返回资讯列表查看更多文章。
浏览全部资讯