1 什么是大模型的上下文长度？

大模型的上下文长度（Context Length）是指在自然语言处理（NLP）的大型语言模型（Large Language Models，LLM）中，模型在处理输入信息时能够考虑的最大文本量(一次处理的最大tokens数量)。
超长上下文的优势：

• 可以处理更复杂的查询和更长的文档
• 更强的理解能力

超长上下文的挑战：

• 推理时间变长
• 推理显存空间变大

大模型在持续推理的过程中，需要缓存一个叫做 KV Cache 的数据快，KV Cache 的大小也与序列长度成正比。以 Llama 2 13B 大模型为例，一个 4K 长的序列大约需要 3G 的显存去缓存 KV Cache，16K 的序列则需要 12G，128K 的序列则需要 100G 显存。

Source: 如何扩展大模型的上下文长度
目前国内外大模型上下文长度支持情况如下：

Source: 大模型长上下文运行的关键问题

国内最近(2024)很火的Kimi Chat支持的上下文长度以及拓展到40万tokens。

2 拓展大模型上下文长度的方式

论文The What, Why, and How of Context Length Extension Techniques in Large Language Models – A Detailed Survey 对现有大模型上下文长度拓展方法做了详细的总结：

主要将其分为了Interpolation(插值)和Extrapolation(外推)技术：

• Interpolation： 融合不同来源或者不同上下文的信息，以提高预测的准确性；
• Extrapolation： 将模型的理解范围扩大到其训练的上下文长度之外。

其中：

• zero-shot： 表示先对模型进行改造，再重新训练，使模型自身具备长文本分析的能力；
• fine-tune： 表示对已经训练好的不支持长文本的模型进行改造，再进行微调；

大致可以简单分为以下几种主要的方式：

参考资料

[1] 如何扩展大模型的上下文长度
[2] 支持超长上下文输入的大语言模型评测和总结——ChatGLM2-6B表现惨烈，最强的依然是商业模型GPT-3.5与Claude-1.3
[3] 大模型长上下文运行的关键问题
[4] 卷完参数后，大模型公司又盯上了“长文本”？
[5] The What, Why, and How of Context Length Extension Techniques in Large Language Models – A Detailed Survey