한 줄 요약
Gated Recurrent Transformer는 재귀적 깊이를 활용해 파라미터 수를 줄이면서도 모델 성능을 유지하는 새로운 트랜스포머 구조를 제안한다.
핵심 기여도
- Gated Recurrent Transformer(GRT)는 고정된 prelude와 coda 블록 사이에 공유된 core를 R번 반복하는 구조로, 기능적 다양성을 유지하면서 파라미터 수를 줄인다.
- isoFLOPS 조건에서 3층 GRT가 12층 GPT-2 Small과 동일한 정확도를 달성하며, 64% 적은 파라미터를 사용한다.
- isoPARAMS 조건에서 GRT는 2.76의 검증 손실을 기록해 비재귀 모델(2.84)보다 낮은 손실을 보인다.
- GRT는 토큰 예산이 두 배 증가하면 중간 규모에서 밀도 모델(GPT-2)을 초과한다.
핵심 아이디어
기존 트랜스포머는 깊이가 늘어날수록 파라미터 수가 선형적으로 증가하여 메모리 효율성이 저하된다. GRT는 이 문제를 해결하기 위해 재귀적 깊이를 도입한다. 고정된 prelude와 coda 블록 사이에 공유된 core 블록을 R번 반복함으로써, 동일한 파라미터를 여러 번 재사용하면서도 기능적 다양성을 유지한다. 이때, 각 재귀 단계에서 hidden state, prelude 출력, 그리고 재샘플링된 노이즈를 기반으로 한 엘리먼트별 업데이트 게이트가 반복 업데이트를 조절한다. 이는 단일 블록이 다양한 입력 표현에 따라 다른 역할을 할 수 있도록 해준다. 초기에는 residual 스트림이 거의 변경되지 않지만, 학습이 진행되면서 게이트가 점차적으로 나타나 특정 표현만 선택적으로 정제하게 된다.
기술적 접근법
- **Gated Recurrent Transformer (GRT)**: 고정된 prelude와 coda 블록 사이에 공유된 core 블록을 R번 반복하는 구조.
- **Elementwise Update Gate**: hidden state, prelude 출력, 노이즈를 조건으로 하여 반복 업데이트를 조절.
- **Depth Sampling**: 훈련 중 재귀 깊이를 샘플링하여 추론 시 연산-정확도 트레이드오프를 가능하게 함.
- **isoFLOPS 조건**: 3층 GRT가 12층 GPT-2 Small과 동일한 FLOPs를 사용.
- **isoPARAMS 조건**: 재귀 깊이가 증가할수록 2.76의 검증 손실을 달성.
주요 결과
- **isoFLOPS 조건**: 3층 GRT가 12층 GPT-2 Small과 동일한 정확도를 달성.
- **isoPARAMS 조건**: GRT는 2.76의 검증 손실로, 비재귀 모델(2.84)보다 낮은 손실.
- **토큰 예산 증가**: 중간 규모에서 GRT가 밀도 모델(GPT-2)을 초과.
- **파라미터 절감**: 대규모에서 GRT는 63% 적은 파라미터와 59% 적은 최대 디코딩 메모리 사용.
의의 및 한계
GRT는 파라미터 수와 모델 깊이를 분리하는 새로운 전략을 제시하며, 재귀적 깊이를 통해 메모리 효율성을 향상시키는 동시에 모델 성능을 유지한다. 특히, isoFLOPS 및 isoPARAMS 조건에서 기존 밀도 모델과 비교해 우수한 성능을 보인다. 그러나 재귀 깊이 R은 추론 시 고정되어 있으며, 토큰별 중단 기능이 없다는 점이 한계이다. 또한, 게이트 편향과 노이즈 크기는 GPT-2 외의 모델에 적용할 경우 재조정이 필요하다.
실용적 활용
GRT는 메모리 제약이 있는 환경에서 대규모 언어 모델을 구현할 때 유용하며, 특히 토큰 예산이 제한된 추론 시스템에서 성능-자원 트레이드오프를 유연하게 조절할 수 있다. 연구적으로는 재귀적 깊이를 활용한 모델 최적화와 지식 증류 기법의 개선에 활용될 수 있다.