99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

下載量超300w的ChatGLM-6B再升級:8-32k上下文,推理提速42%

OSC開源社區(qū) ? 來源:OSC開源社區(qū) ? 2023-06-29 16:15 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

GLM 技術團隊宣布再次升級 ChatGLM-6B,發(fā)布 ChatGLM2-6B。ChatGLM-6B 于 3 月 14 日發(fā)布,截至 6 月 24 日在 Huggingface 上的下載量已經超過 300w。 截至 6 月 25 日,ChatGLM2 模型在主要評估 LLM 模型中文能力的 C-Eval 榜單中以 71.1 的分數(shù)位居 Rank 0;ChatGLM2-6B 模型則以 51.7 的分數(shù)位居 Rank 6,是榜單上排名最高的開源模型。

e88cc704-15a0-11ee-962d-dac502259ad0.png

ChatGLM2-6B 是開源中英雙語對話模型 ChatGLM-6B 的第二代版本,在保留了初代模型對話流暢、部署門檻較低等眾多優(yōu)秀特性的基礎之上,ChatGLM2-6B 引入了如下新特性:

更強大的性能:基于 ChatGLM 初代模型的開發(fā)經驗,全面升級了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目標函數(shù),經過了 1.4T 中英標識符的預訓練與人類偏好對齊訓練,評測結果顯示,相比于初代模型,ChatGLM2-6B 在 MMLU(+23%)、CEval(+33%)、GSM8K(+571%) 、BBH(+60%)等數(shù)據集上的性能取得了大幅度的提升,在同尺寸開源模型中具有較強的競爭力。

更長的上下文:基于 FlashAttention 技術,項目團隊將基座模型的上下文長度(Context Length)由 ChatGLM-6B 的 2K 擴展到了 32K,并在對話階段使用 8K 的上下文長度訓練,允許更多輪次的對話。但當前版本的 ChatGLM2-6B 對單輪超長文檔的理解能力有限,我們會在后續(xù)迭代升級中著重進行優(yōu)化。

更高效的推理:基于 Multi-Query Attention 技術,ChatGLM2-6B 有更高效的推理速度和更低的顯存占用:在官方的模型實現(xiàn)下,推理速度相比初代提升了 42%,INT4 量化下,6G 顯存支持的對話長度由 1K 提升到了 8K。

更開放的協(xié)議:ChatGLM2-6B 權重對學術研究完全開放,在獲得官方的書面許可后,亦允許商業(yè)使用。

評測結果

以下為 ChatGLM2-6B 模型在 MMLU (英文)、C-Eval(中文)、GSM8K(數(shù)學)、BBH(英文) 上的測評結果。

e8c601e0-15a0-11ee-962d-dac502259ad0.png

推理性能

ChatGLM2-6B 使用了 Multi-Query Attention,提高了生成速度。生成 2000 個字符的平均速度對比如下

e908b06c-15a0-11ee-962d-dac502259ad0.png

Multi-Query Attention 同時也降低了生成過程中 KV Cache 的顯存占用,此外,ChatGLM2-6B 采用 Causal Mask 進行對話訓練,連續(xù)對話時可復用前面輪次的 KV Cache,進一步優(yōu)化了顯存占用。因此,使用 6GB 顯存的顯卡進行 INT4 量化的推理時,初代的 ChatGLM-6B 模型最多能夠生成 1119 個字符就會提示顯存耗盡,而 ChatGLM2-6B 能夠生成至少 8192 個字符。

e93eb04a-15a0-11ee-962d-dac502259ad0.png

項目團隊也測試了量化對模型性能的影響。結果表明,量化對模型性能的影響在可接受范圍內。

e9538a2e-15a0-11ee-962d-dac502259ad0.png

示例對比

相比于初代模型,ChatGLM2-6B 多個維度的能力都取得了提升,以下是一些對比示例。 數(shù)理邏輯

e975b338-15a0-11ee-962d-dac502259ad0.png

e99b519c-15a0-11ee-962d-dac502259ad0.png

知識推理

e9dd13ac-15a0-11ee-962d-dac502259ad0.png

ea0bf118-15a0-11ee-962d-dac502259ad0.png

長文檔理解

ea33526c-15a0-11ee-962d-dac502259ad0.png

ea6b3e98-15a0-11ee-962d-dac502259ad0.png

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 開源
    +關注

    關注

    3

    文章

    3668

    瀏覽量

    43768
  • 模型
    +關注

    關注

    1

    文章

    3516

    瀏覽量

    50343
  • 數(shù)據集
    +關注

    關注

    4

    文章

    1223

    瀏覽量

    25405

原文標題:下載量超300w的ChatGLM-6B再升級:8-32k上下文,推理提速42%

文章出處:【微信號:OSC開源社區(qū),微信公眾號:OSC開源社區(qū)】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    大模型推理顯存和計算估計方法研究

    隨著人工智能技術的飛速發(fā)展,深度學習大模型在各個領域得到了廣泛應用。然而,大模型的推理過程對顯存和計算資源的需求較高,給實際應用帶來了挑戰(zhàn)。為了解決這一問題,本文將探討大模型推理顯存和計算的估計
    發(fā)表于 07-03 19:43

    鴻蒙NEXT-API19獲取上下文,在class中和ability中獲取上下文,API遷移示例-解決無法在EntryAbility中無法使用最新版

    摘要:隨著鴻蒙系統(tǒng)API升級至16版本(modelVersion5.1.1),多項API已廢棄。獲取上下文需使用UIContext,具體方法包括:在組件中使用getUIContext(),在類中使
    的頭像 發(fā)表于 07-01 10:57 ?177次閱讀
    鴻蒙NEXT-API19獲取<b class='flag-5'>上下文</b>,在class中和ability中獲取<b class='flag-5'>上下文</b>,API遷移示例-解決無法在EntryAbility中無法使用最新版

    Google Gemma 3開發(fā)者指南

    自首次推出以來,Gemma 模型的下載量已超過 1 億次,社區(qū)為各種用例創(chuàng)建了超過 60,000 個變體1。我們很高興推出 Gemma 3,這是 Gemma 開放模型系列中最強大、最先進的版本
    的頭像 發(fā)表于 04-08 10:50 ?319次閱讀
    Google Gemma 3開發(fā)者指南

    LPCXpresso54S018在位置0xBF30B670訪問后無法訪問調試端口,怎么解決?

    的目標錯誤 在位置 0xBF30B670 訪問后無法訪問調試端口 調試上下文:lpcxpresso54s018_freertos_cabezon LinkServer Debug 隨附的文本文件中提供了
    發(fā)表于 03-31 08:18

    S32K在AUTOSAR中使用CAT1 ISR,是否需要執(zhí)行上下文切換?

    如果我們在 AUTOSAR 中使用 CAT1 ISR,是否需要執(zhí)行上下文切換?另外,是否需要返回指令才能跳回到作系統(tǒng)?您有沒有帶有 CAT1 ISR 的 S32K3x4 微控制器的示例?
    發(fā)表于 03-27 07:34

    為什么深度學習中的Frame per Second高于OpenVINO?演示推理腳本?

    在 DL Workbench 上使用 Microsoft 通用對象上下文 (MS COCO) 數(shù)據集運行 YOLOv4 對象檢測模型,并獲得 50 - 60 FPS。 OpenVINO?演示推理腳本運行,并獲得更高的 FPS。
    發(fā)表于 03-06 07:27

    DeepSeek推出NSA機制,加速長上下文訓練與推理

    的特性,專為快速的長上下文訓練和推理而設計。 NSA通過針對現(xiàn)代硬件的優(yōu)化設計,顯著加快了推理速度,并大幅度降低了預訓練成本,同時保持了卓越的性能表現(xiàn)。這一機制在確保效率的同時,并未
    的頭像 發(fā)表于 02-19 14:01 ?622次閱讀

    《具身智能機器人系統(tǒng)》第7-9章閱讀心得之具身智能機器人與大模型

    的應用。MAML算法通過二階優(yōu)化找到對任務變化敏感的模型參數(shù),實現(xiàn)了快速適應。上下文學習則引入了注意力機制,使模型能夠根據當前場景動態(tài)調整行為策略。在預訓練-微調范式中,我們要注意任務表示的重要性:好的表示
    發(fā)表于 12-24 15:03

    UCC28063EVM-723 300W交錯式PFC預調節(jié)器手冊

    電子發(fā)燒友網站提供《UCC28063EVM-723 300W交錯式PFC預調節(jié)器手冊.pdf》資料免費下載
    發(fā)表于 12-18 14:52 ?1次下載
    UCC28063EVM-723 <b class='flag-5'>300W</b>交錯式PFC預調節(jié)器手冊

    UCC28060EVM 300W交錯式PFC預調節(jié)器手冊

    電子發(fā)燒友網站提供《UCC28060EVM 300W交錯式PFC預調節(jié)器手冊.pdf》資料免費下載
    發(fā)表于 12-16 10:55 ?1次下載
    UCC28060EVM <b class='flag-5'>300W</b>交錯式PFC預調節(jié)器手冊

    ADS42B4x EVM用戶指南

    電子發(fā)燒友網站提供《ADS42B4x EVM用戶指南.pdf》資料免費下載
    發(fā)表于 12-10 14:08 ?0次下載
    ADS<b class='flag-5'>42B</b>4x EVM用戶指南

    Vox Power Ltd - 最新發(fā)布EIRE300系列開放式AC-DC電源,高功率密度,300W輸出功率,占地4”x 2”,1”纖薄設計,30

    -風扇冷卻下輸出功率300W(1秒持續(xù)峰值功率達375W) -自然對流冷卻下輸出功率200W(115VAC) -領先的功率密度 —37.5W/in3 ? 愛爾蘭都柏林,2024年12月
    發(fā)表于 10-31 18:04 ?2507次閱讀

    SystemView上下文統(tǒng)計窗口識別阻塞原因

    SystemView工具可以記錄嵌入式系統(tǒng)的運行時行為,實現(xiàn)可視化的深入分析。在新發(fā)布的v3.54版本中,增加了一項新功能:上下文統(tǒng)計窗口,提供了對任務運行時統(tǒng)計信息的深入分析,使用戶能夠徹底檢查每個任務,幫助開發(fā)人員識別阻塞原因。
    的頭像 發(fā)表于 08-20 11:31 ?692次閱讀

    chatglm2-6b在P40上做LORA微調

    chatglm2-6b相比于chatglm有幾方面的提升: 1. 性能提升: 相比初代模型,升級ChatGLM2-6B 的基座模型,同時在各項數(shù)據集評測上取得了不錯的成績; 2.
    的頭像 發(fā)表于 08-13 17:12 ?825次閱讀
    <b class='flag-5'>chatglm2-6b</b>在P40上做LORA微調

    ChatGPT-4o,國產大模型竟然更懂翻譯,8款大模型深度測評|AI 橫評

    、速度慢、費用高且難以準確理解上下文”的問題。相比之下,AI大模型憑借其強大的學習能力和適應性,在翻譯質量、效率、上下文理解和多語言支持等方面表現(xiàn)出色,提供了更加
    的頭像 發(fā)表于 07-14 08:04 ?128次閱讀
    <b class='flag-5'>超</b>ChatGPT-4o,國產大模型竟然更懂翻譯,<b class='flag-5'>8</b>款大模型深度測評|AI 橫評