下载量超300w的ChatGLM-6B再升级：8-32k上下文，推理提速42%

2023-06-28 11:06

GLM 技术团队宣布再次升级 ChatGLM-6B，发布 ChatGLM2-6B。ChatGLM-6B 于 3 月 14 日发布，截至 6 月 24 日在 Huggingface 上的下载量已经超过 300w。

截至 6 月 25 日，ChatGLM2 模型在主要评估 LLM 模型中文能力的 C-Eval 榜单中以 71.1 的分数位居 Rank 0；ChatGLM2-6B 模型则以 51.7 的分数位居 Rank 6，是榜单上排名最高的开源模型。

ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，ChatGLM2-6B 引入了如下新特性：

更强大的性能：基于 ChatGLM 初代模型的开发经验，全面升级了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%）、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。
更长的上下文：基于 FlashAttention 技术，项目团队将基座模型的上下文长度（Context Length）由 ChatGLM-6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练，允许更多轮次的对话。但当前版本的 ChatGLM2-6B 对单轮超长文档的理解能力有限，我们会在后续迭代升级中着重进行优化。
更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了 42%，INT4 量化下，6G 显存支持的对话长度由 1K 提升到了 8K。
更开放的协议：ChatGLM2-6B 权重对学术研究完全开放，在获得官方的书面许可后，亦允许商业使用。

评测结果

以下为 ChatGLM2-6B 模型在 MMLU (英文)、C-Eval（中文）、GSM8K（数学）、BBH（英文）上的测评结果。

推理性能

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

Multi-Query Attention 同时也降低了生成过程中 KV Cache 的显存占用，此外，ChatGLM2-6B 采用 Causal Mask 进行对话训练，连续对话时可复用前面轮次的 KV Cache，进一步优化了显存占用。因此，使用 6GB 显存的显卡进行 INT4 量化的推理时，初代的 ChatGLM-6B 模型最多能够生成 1119 个字符就会提示显存耗尽，而 ChatGLM2-6B 能够生成至少 8192 个字符。

项目团队也测试了量化对模型性能的影响。结果表明，量化对模型性能的影响在可接受范围内。

示例对比

相比于初代模型，ChatGLM2-6B 多个维度的能力都取得了提升，以下是一些对比示例。

数理逻辑

知识推理

长文档理解

相关链接：https://mp.weixin.qq.com/s/_h9ls_gHIgHho1RBwUlhsA

2023 源创会线下重启，基础软件技术面面谈。
🕜时间：2023 年 7 月 1 日
📍地点：广东省深圳市南山区高新南四道创维半导体设计大厦裙楼四楼·SKYWORK会议中心【国际会议中心】

【嘉宾预告】

演讲人：
唐建法：Tapdata 创始人兼 CEO

演讲主题：
开源实时数据平台 Tapdata 在数据集成架构上的实践

演讲大纲：
企业数据集成架构，从最早的点到点，到ESB，到10年前的分布式消息队列，到今天基于中央化数据存储的DaaS，不断在随着新场景的需求变化而在演进。每一种数据架构都有其优点和缺点。Tapdata 是一个开源的实时数据平台，能够实现点到点和DaaS两种集成架构。我们今天会通过这次的分享来为大家介绍在什么时候应该使用什么样的数据架构。

👇 立即参与

往期推荐

红帽“背叛”开源：限制RHEL源码访问，突袭下游发行版

基于Rust的高性能编辑器Zed，在玩一种很新的 “开源”

DragGAN开源仅一天，star数超2万，史上最强AI修图工具

这里有最新开源资讯、软件更新、技术干货等内容

点这里 ↓↓↓ 记得关注✔ 标星⭐ 哦

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章