RWKV(读作 RWaKuV)是一种具有 GPT 级大型语言模型(LLM)性能的 RNN,也可以像 GPT Transformer 一样直接训练(可并行化)。
RWKV 结合了 RNN 和 Transformer 的最佳特性:出色的性能、恒定的显存占用、恒定的推理生成速度、"无限" ctxlen 和免费的句嵌入,而且 100% 不含自注意力机制。
RWKV 项目最初由彭博(Bo Peng ,BlinkDL)提出,随着项目被外界关注,RWKV 项目逐渐发展成一个开源社区。
2023 年 9 月 20 日,RWKV 开源项目正式加入 Linux 开源基金会。如今的 RWKV 项目是一个开源的非盈利组织,隶属于 Linux 基金会,部分算力曾由赞助商支持。
RWKV 架构和论文
RWKV 模型架构有 RWKV-4、RWKV-5(代号 Eagle)、RWKV-6(代号 Finch) 三个正式版本,更早以前的 RWKV 1/2/3 为实验版本。
RWKV-4 是 RWKV 模型的首个正式版本,论文由 RWKV 作者彭博和 RWKV 社区共同完成,初次发表于 2023 年 5 月 22 日。同年 10 月,RWKV-4 架构论文被顶级会议 EMNLP 2023 (opens in a new tab) 收录。
- RWKV-4 论文:《RWKV: Reinventing RNNs for the Transformer Era》
- 论文地址:arXiv:2305.13048 (opens in a new tab)
RWKV 5/6 两个架构在 RWKV-4 架构的基础上进行了若干改进。因此,这两个架构在同一篇论文中发布。
- RWKV 5/6 论文:《Eagle and Finch: RWKV with Matrix-Valued States and Dynamic Recurrence》
- 论文地址:arXiv:2404.05892 (opens in a new tab)
有关 RWKV5/6 论文的解读,可以参考此文章 (opens in a new tab)。
RWKV-6 架构图如下:
RWKV-6 架构图由 RWKV 社区开发者按照 CC-BY-SA 许可发布,可以在 rwkv-wiki.fandom (opens in a new tab) 上找到原始版本。
RWKV 模型的版本状态
从 RWKV-4 架构开始,RWKV 在每个版本都提供了多种尺寸的开源模型。
截至 2024 年 7 月,RWKV-4、RWKV-5 模型的生命周期已结束。推荐使用最新版本的 RWKV-6 模型,得益于最新的架构设计,RWKV-6 模型在所有任务上的表现都更好。
版本 | RWKV-V4 | RWKV-v5-Eagle | RWKV-v6-Finch |
---|---|---|---|
论文 | 🎓论文已发布 (opens in a new tab) | 🎓与 RWKV-6 架构同一篇论文 | 🎓论文已发布 (opens in a new tab) |
总体状态 | ⚠ 生命周期已结束 | ⚠ 生命周期已结束 | ✨ 稳定版本 |
0.4B 模型 | ✅ 已发布 | ✅ 已发布 | ❌ 无计划 |
1.5B 模型 | ✅ 已发布 | ✅ 已发布 | ✅ 已发布 (opens in a new tab) |
3B 模型 | ✅ 已发布 | ✅ 已发布 | ✅ 已发布 (opens in a new tab) |
7B 模型 | ✅ 已发布 | ✅ 已发布 | ✅ 已发布 (opens in a new tab) |
14B 模型 | ✅ 已发布 | ❌ 无计划 | ✅ 已发布 (opens in a new tab) |
MoE 模型 | ❌ 无计划 | ❌ 无计划 | 计划中 |
我应该使用哪些 RWKV 模型?
由于老旧架构导致的性能问题, RWKV-5、RWKV-4 全系列(Raven / World / Pile ...)和更早的 RWKV 版本均已结束生命周期,现有模型仅作为存档。
请使用 RWKV-6 系列模型,RWKV-6 模型基于最新的 RWKV 架构和最大的数据集版本,因此性能更强。
对于大多数用例,你应该使用最新的 RWKV-6-World-14B-V2.1 (opens in a new tab) 模型。如果你的硬件配置不足以使用 14B 参数模型,可以考虑使用 RWKV-6-World-7B-V3 (opens in a new tab) 模型。
可以查看本地部署 RWKV 模型的硬件性能需求 (opens in a new tab),以确认使用哪一款 RWKV 模型。
RWKV 与 Transformer 模型的差异
优势
- 运行和训练时资源使用更低(VRAM、CPU、GPU 等)。
- 与较大上下文的 Transformer 相比,计算需求低 10 倍到 100 倍。
- 支持以线性方式扩展到任何上下文长度(Transformer 以二次方扩展)。
- 在答案质量和泛化能力方面的表现与 Transformer 架构一样好。
- RWKV 模型的训练数据包括英文以外的其他语言(例如中文、日文等),多语言能力比大多数现有的开源模型要好。
不足
-
RWKV 基底模型对提示词(prompt)的格式非常敏感,提示词的格式对生成结果影响较大。
-
出于架构设计,RWKV 模型在需要回顾的任务上较弱,因此需要恰当地对提示词进行排序。比如先给模型提供任务指令,再提供需要执行任务的材料文本。
RWKV 社区的基本术语
概念 | 描述 |
---|---|
RWKV | 模型架构本身,训练代码可于此处 (opens in a new tab)获取。 |
ChatRWKV | RWKV 的官方聊天机器人(类似 ChatGPT,但基于 RWKV),代码可于此处 (opens in a new tab)获取。 |
RWKV-4/5/6 | RWKV 的不同架构版本。注意,只推荐使用 RWKV-6 系列模型。 |
RWKV World | 使用全球语言训练的基底 RWKV 模型,这类模型涵盖了更广泛、更多样化的数据集,包括 100 多种语言的训练数据,以及部分指令训练。 |
Raven | RWKV-4 基础模型的官方微调版,包含指令训练。但由于 RWKV-4 系列已停止更新,不建议继续使用。 |
RWKV ABC/MIDI | 基于 ABC/MIDI 格式的 RWKV 音乐模型,推荐使用 RWKV-5 / 6 系列。 |
RWKV CHNtuned / one-state-chat / role_play / novel ... | RWKV 社区提供的微调模型,针对特定任务或数据类型优化。请优先考虑使用 RWKV-6 系列的微调模型。 |
RWKV 社区成员如何交流?
我们拥有 Discord 频道 (opens in a new tab) 和 QQ 频道 (opens in a new tab) ,同时也有 QQ 交流群:
- RWKV 技术研发群:325154699
- RWKV 交流群:224287095
- ChatRWKV水和机器人群:597996773
以下是一些由 RWKV 开源社区成员或爱好者组建的 QQ 群,用于 RWKV 相关项目的讨论:
- RWKV第三方微调/训练/lora综合群:439087067
- AI00_Server for RWKV 群:30920262
- rwkv runner 懒人包交流群:818930736
RWKV 模型的命名规则
RWKV 模型通常有两种命名规则:
- RWKV-x060-World-3B-v2.1-20240208-ctx4096.pth
- RWKV-5-World-1B5-v2-20231113-ctx4096.pth
模型名称中每个字段的含义:
字段 | 含义 |
---|---|
RWKV | 模型名称 |
x060 / 5 | RWKV 模型的架构,推荐使用 RWKV-6 模型 |
World | 模型类型,World 指使用全球语言训练的 RWKV 模型,因此支持多语言任务 |
3B / 1B5 | 模型的参数规模,"B"代表"Billions"(十亿) |
v2 / v2.1 | 模型的训练集版本,v2 ≈ 1.1 T , v2.1 ≈ 2.5T ,v3 ≈ 5.5T |
20240208 / 20231113 | 模型的发布日期 |
ctx4096 | 预训练的上下文长度 |
RWKV 的赞助与贡献者
作为一个开源项目,RWKV 曾接受 Stability AI (opens in a new tab)、EleutherAI (opens in a new tab) 提供的大量 GPU 资源和研究支持。
此外,我们还要感谢以下组织或团队:
- alpin @ pygmalionAI (opens in a new tab)
- AutoMeta @ AlignmentLab (opens in a new tab)
- Recursal.AI (opens in a new tab)
- 以及其他提供 GPU 资源而不公开姓名的支持者
同时,我们也感谢 RWKV 社区成员的辛苦付出,包括参与 RWKV 架构改进、使用 RWKV 进行学术研究、协助建设 RWKV 内容、测试最新模型,以及其他任何有帮助的工作。