Mamba 团队的研究成果集中于将大型 Transformer 模型 Llama “蒸馏”为 Mamba，通过设计新型推理解码算法，显著提高了推理速度。研究目标旨在利用 Llama 的丰富知识，同时降低从零开始训练大型模型的高成本。研究团队结合了渐进式蒸馏、监督微调和定向偏好优化等方法，将 Zephyr-7B 和 Llama-38B 成功转换为线性 RNN 模型，性能与原始模型相当。关键创新在于为 Mamba 设计的全新算法，结合硬件特性实现基于 Mamba 的推测解码，实现速度与性能的双重提升。研究中，通过逐步替换注意力层、应用监督微调和用户偏好优化，以及引入推测解码算法，研究人员在保持模型性能的同时，实现了高达1.5倍的推理加速。整个过程在8卡80G A100上运行3到4天，展现了高效的训练效率。这项研究为未来模型的推理速度和性能提升提供了新思路。