原文來源：量子位
圖片來源：由無界 AI?生成
HuggingFace開源大模型排行榜,，又被屠榜了。
前排被清一色的SOLAR 10.7B微調(diào)版本占據(jù),，把幾周之前的各種Mixtral 8x7B微調(diào)版本擠了下去,。
SOLAR大模型什么來頭,？
相關(guān)論文剛剛上傳到ArXiv,，來自韓國公司Upstage AI，使用了新的大模型擴展方法depth up-scaling（DUS）,。
簡單來說就是兩只7B羊駝掐頭去尾，一只砍掉前8層,，一只砍掉后8層,。
剩下兩個24層縫合在一起，第一個模型的第24層與第二個模型的第9層拼接,，最后變成新的48層10.7B大模型,。
論文聲稱新方法超過傳統(tǒng)擴展方法如MoE,，而且可以與沿用基礎(chǔ)大模型完全相同的基礎(chǔ)設(shè)施,。
不需要門控網(wǎng)絡(luò)等附加模塊，針對MoE優(yōu)化訓(xùn)練框架了,，也不需要自定義CUDA內(nèi)核來快速推理,，可以無縫集成到現(xiàn)有方法中，同時保持高效,。
團隊選擇7B規(guī)模最強的單體大模型Mistral 7B作為底材,，用新方法拼接起來,，再超越原版以及MoE版。
同時,，經(jīng)過對齊的Instruct版本也超越對應(yīng)的MoE Instruct版本,。
將縫合進行到底
為什么是這種拼接方式,，論文中介紹來自一種直覺,。
從最簡單的擴展方式開始，也就是把32層的基礎(chǔ)大模型重復(fù)兩次,，變成64層,。
這樣做的好處是不存在異質(zhì)性，所有層都來自基礎(chǔ)大模型,，但第32層和第33層（與第1層相同）的接縫處有較大的“層距離”（layer distance）,。
之前有研究表明，Transformer不同層做不同的事,，如越深的層擅長處理越抽象的概念,。
團隊認為層距離過大可能妨礙模型有效利用預(yù)訓(xùn)練權(quán)重的能力。
一個潛在的解決方案是犧牲中間層,，從而減少接縫處的差異,，DUS方法就從這里誕生。
根據(jù)性能與模型尺寸的權(quán)衡,，團隊選擇從每個模型中刪除8層,，接縫處從32層連第1層，變成了24層連第9層,。
簡單拼接后的模型,，性能一開始還是會低于原版基礎(chǔ)模型，但經(jīng)過繼續(xù)預(yù)訓(xùn)練可以迅速恢復(fù),。
在指令微調(diào)階段,，除了使用開源數(shù)據(jù)集，還制作了數(shù)學強化數(shù)據(jù)集,，對齊階段使用DPO,。
最后一步，把使用不同數(shù)據(jù)集訓(xùn)練的模型版本加權(quán)平均,，也是把縫合進行到底了,。
有網(wǎng)友質(zhì)疑測試數(shù)據(jù)泄露的可能性,。
團隊也考慮到這一點，在論文附錄中專門報告了數(shù)據(jù)污染測試結(jié)果，顯示出低水平,。
最后，SOLAR 10.7B基礎(chǔ)模型和微調(diào)模型都以Apache 2.0協(xié)議開源,。
試用過的網(wǎng)友反饋,，從JSON格式數(shù)據(jù)中提取數(shù)據(jù)表現(xiàn)不錯。
論文地址：
https://arxiv.org/abs/2312.15166
免責聲明：本文來自網(wǎng)絡(luò)收錄或投稿,，觀點僅代表作者本人，不代表芒果財經(jīng)贊同其觀點或證實其描述,，版權(quán)歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1085475.html
溫馨提示：投資有風險，入市須謹慎,。本資訊不作為投資理財建議,。
