Tigerbot是虎博科技自研的多語(yǔ)言多任務(wù)大規模語(yǔ)言模型,已于6月7日發(fā)布并開(kāi)源。上線(xiàn)僅一日,Tigerbot已在開(kāi)源社區GitHub上獲超1000 Stars,深受廣大開(kāi)發(fā)者喜愛(ài)。 ![]() (截至6月8日,開(kāi)源社區github上Tigerbot的相關(guān)情況) 此次開(kāi)源涉及模型、代碼、數據三部分內容,包含 TigerBot-7B-sft、 TigerBot-7B-base、TigerBot-180B-research 等多個(gè)模型版本;基本訓練且覆蓋雙卡推理 180B 模型的量化和推理代碼;以及達 100G 的預訓練數據、監督微調 1G/100 萬(wàn)條數據。 值得一提的是,開(kāi)源版本中,TigerBot-7B-base的綜合表現優(yōu)于同等可比的OpenAI和BLOOM,TigerBot-180B-research 的參數量達1800億,或是目前業(yè)內最大的大規模語(yǔ)言模型,而高達100G的預訓練數據,更被視為目前業(yè)內最大且質(zhì)量最優(yōu)的開(kāi)源預訓練數據之一。 同時(shí),虎博科技還與廣大開(kāi)發(fā)者共享了大模型應用開(kāi)發(fā)所需的全套API,包括對話(huà)(Chat)、插件(Plug-ins)、微調(Fine-Tunes)等,并提供金融、法律、百科等專(zhuān)業(yè)領(lǐng)域數據,旨在構建構建大模型生態(tài)藍圖。 據了解,Tigerbot基于 GPT 和 BLOOM 兩個(gè)開(kāi)源模型基礎上進(jìn)行研發(fā),在模型架構、算法以及計算經(jīng)濟性等方面做了一系列優(yōu)化,主要體現在四方面: (1)、指令完成監督微調的創(chuàng )新算法,以提升可學(xué)習型(learnability); (2)、運用ensemble 和 probabilistic modeling 的方法,實(shí)現更可控的事實(shí)性(factuality)和創(chuàng )造性(generativeness),進(jìn)一步 避免模型可能產(chǎn)生的“胡說(shuō)八道”; (3)、在并⾏訓練上,突破了 deep-speed 等主流框架中若⼲內存和通信問(wèn)題,使得在千卡環(huán)境下數⽉⽆間斷,不僅大大縮短了模型訓練的時(shí)間,每月還能節省數十萬(wàn)訓練費用; (4)、對中⽂語(yǔ)⾔的更不規則的分布,從 tokenizer 到訓練算法等方面做了針對性算法優(yōu)化,使得模型的問(wèn)答更具中國文化屬性。 然而,這些創(chuàng )新僅僅是個(gè)10人小團隊在3個(gè)月內完成的。據虎博科技創(chuàng )始人兼CEO陳燁介紹,他自己也在一線(xiàn)寫(xiě)代碼。過(guò)去三個(gè)月中,團隊累計完成超3000次實(shí)驗,“每天至少有3次實(shí)驗,第一個(gè)月的模型表現已經(jīng)可以達到OpenAI可比模型的八成!备鶕 OpenAI InstructGPT 論文在公開(kāi) NLP 數據集上的自動(dòng)評測,TigerBot-7B就已達到 OpenAI 同樣大小模型的綜合表現的 96%,且只是 MVP(最小最小可行性模型)。 秉持科學(xué)無(wú)國界無(wú)階層的理念,陳燁希望共享階段性成果,“大模型技術(shù)就像是一門(mén)新興學(xué)科,將是顛覆式且長(cháng)周期的,其未來(lái)的可能性將超過(guò)每個(gè)人的想象! 第一、作為一名AI領(lǐng)域內的技術(shù)人員,出于對技術(shù)最本能的信仰,他有一點(diǎn)熱血、有一點(diǎn)煽情,“我們想要以世界級的大模型,貢獻于中國創(chuàng )新。給行業(yè)一個(gè)可用的、底層基礎扎實(shí)的通用模型,能讓更多人快速訓練出專(zhuān)業(yè)大模型,實(shí)現產(chǎn)業(yè)集群的生態(tài)打造! 第二、TigerBot會(huì )繼續保持高速迭代,并在目前賽跑的局面下,仍能保持身位優(yōu)勢。即便是看到有人以TigerBot為底層開(kāi)發(fā)出了性能更好的產(chǎn)品,這對于行業(yè)內來(lái)說(shuō)又何嘗不是一件好事? 陳燁認為,現階段不宜過(guò)早和過(guò)于理性地探討產(chǎn)品、應用、場(chǎng)景和商業(yè)化,更重要的是推廣這一人工智能基礎設施的原創(chuàng )突破,促進(jìn)技術(shù)的發(fā)展和更新,“開(kāi)源就是最好的方式”。 |