|
Tigerbot是虎博科技自研的多語言多任務(wù)大規(guī)模語言模型，已于6月7日發(fā)布并開源。上線僅一日，Tigerbot已在開源社區(qū)GitHub上獲超1000 Stars，深受廣大開發(fā)者喜愛。 
(截至6月8日，開源社區(qū)github上Tigerbot的相關(guān)情況) 此次開源涉及模型、代碼、數(shù)據(jù)三部分內(nèi)容，包含 TigerBot-7B-sft、 TigerBot-7B-base、TigerBot-180B-research 等多個模型版本;基本訓(xùn)練且覆蓋雙卡推理 180B 模型的量化和推理代碼;以及達(dá) 100G 的預(yù)訓(xùn)練數(shù)據(jù)、監(jiān)督微調(diào) 1G/100 萬條數(shù)據(jù)。 值得一提的是，開源版本中，TigerBot-7B-base的綜合表現(xiàn)優(yōu)于同等可比的OpenAI和BLOOM，TigerBot-180B-research 的參數(shù)量達(dá)1800億，或是目前業(yè)內(nèi)最大的大規(guī)模語言模型，而高達(dá)100G的預(yù)訓(xùn)練數(shù)據(jù)，更被視為目前業(yè)內(nèi)最大且質(zhì)量最優(yōu)的開源預(yù)訓(xùn)練數(shù)據(jù)之一。 同時，虎博科技還與廣大開發(fā)者共享了大模型應(yīng)用開發(fā)所需的全套API，包括對話(Chat)、插件(Plug-ins)、微調(diào)(Fine-Tunes)等，并提供金融、法律、百科等專業(yè)領(lǐng)域數(shù)據(jù)，旨在構(gòu)建構(gòu)建大模型生態(tài)藍(lán)圖。 據(jù)了解，Tigerbot基于 GPT 和 BLOOM 兩個開源模型基礎(chǔ)上進行研發(fā)，在模型架構(gòu)、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(xiàn)在四方面： (1)、指令完成監(jiān)督微調(diào)的創(chuàng)新算法，以提升可學(xué)習(xí)型(learnability); (2)、運用ensemble 和 probabilistic modeling 的方法，實現(xiàn)更可控的事實性(factuality)和創(chuàng)造性(generativeness)，進一步 避免模型可能產(chǎn)生的“胡說八道”; (3)、在并⾏訓(xùn)練上，突破了 deep-speed 等主流框架中若⼲內(nèi)存和通信問題，使得在千卡環(huán)境下數(shù)⽉⽆間斷，不僅大大縮短了模型訓(xùn)練的時間，每月還能節(jié)省數(shù)十萬訓(xùn)練費用; (4)、對中⽂語⾔的更不規(guī)則的分布，從 tokenizer 到訓(xùn)練算法等方面做了針對性算法優(yōu)化，使得模型的問答更具中國文化屬性。 然而，這些創(chuàng)新僅僅是個10人小團隊在3個月內(nèi)完成的。據(jù)虎博科技創(chuàng)始人兼CEO陳燁介紹，他自己也在一線寫代碼。過去三個月中，團隊累計完成超3000次實驗，“每天至少有3次實驗，第一個月的模型表現(xiàn)已經(jīng)可以達(dá)到OpenAI可比模型的八成�！备鶕�(jù) OpenAI InstructGPT 論文在公開 NLP 數(shù)據(jù)集上的自動評測，TigerBot-7B就已達(dá)到 OpenAI 同樣大小模型的綜合表現(xiàn)的 96%，且只是 MVP(最小最小可行性模型)。 秉持科學(xué)無國界無階層的理念，陳燁希望共享階段性成果，“大模型技術(shù)就像是一門新興學(xué)科，將是顛覆式且長周期的，其未來的可能性將超過每個人的想象�！� 第一、作為一名AI領(lǐng)域內(nèi)的技術(shù)人員，出于對技術(shù)最本能的信仰，他有一點熱血、有一點煽情，“我們想要以世界級的大模型，貢獻于中國創(chuàng)新。給行業(yè)一個可用的、底層基礎(chǔ)扎實的通用模型，能讓更多人快速訓(xùn)練出專業(yè)大模型，實現(xiàn)產(chǎn)業(yè)集群的生態(tài)打造。” 第二、TigerBot會繼續(xù)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為底層開發(fā)出了性能更好的產(chǎn)品，這對于行業(yè)內(nèi)來說又何嘗不是一件好事? 陳燁認(rèn)為，現(xiàn)階段不宜過早和過于理性地探討產(chǎn)品、應(yīng)用、場景和商業(yè)化，更重要的是推廣這一人工智能基礎(chǔ)設(shè)施的原創(chuàng)突破，促進技術(shù)的發(fā)展和更新，“開源就是最好的方式”。 |
