石頭智能洗地機A10 Plus體驗：雙向自清潔治好了我的懶癌
一、前言和介紹專為家庭請假懶人而生的石頭科技在近日又帶來了自己的全新旗艦新品，石頭智能洗地機A10 Plus。從這個產品名上就不難看出，這次石頭推出的并不是常見的掃地機器
11月15日消息，近日，創新工場董事長兼 CEO 李開復創辦的AI大模型創業公司“零一萬物”推出 Yi-34B 和 Yi-6B 兩大開源大模型。
然而在 Yi-34B 的 Hugging Face 開源主頁上，有開發者質疑該模型使用了 Meta LLaMA 的架構，只對兩個張量（Tensor）名稱進行了修改等等。
對此，零一萬物正式公開了對 Yi-34B 訓練過程的說明。李開復也轉發了該說明，并表示：“零一萬物 Yi-34B 模型訓練的說明也回應這兩天大家對于模型架構的探討。全球大模型架構一路從 GPT2 --> Gopher --> Chinchilla --> Llama2-> Yi，行業逐漸形成大模型的通用標準 (就像做一個手機app開發者不會去自創 iOS、Android 以外的全新基礎架構)。01.AI 起步受益于開源，也貢獻開源，從社區中虛心學習，我們會持續進步”。
以下為：零一萬物對 Yi-34B 訓練過程的說明
就零一萬物的觀察和分析，大模型社區在技術架構方面現在是一個處于接近往通用化逐步收攏的階段，基本上國際主流大模型都是基于Transformer的架構，做attention，activation，normalization，positional embedding等部分的改動，LLaMA、Chinchilla、Gopher 等模型的架構和 GPT 架構大同小異，全球開源社區基于主流架構的模型變化非常之多，生態呈現欣欣向榮，國內已發布的開源模型也絕大多數采用漸成行業標準的 GPT/LLaMA 的架構。然而，大模型持續發展與尋求突破口的核心點不僅在于架構，而是在于訓練得到的參數。
模型訓練過程好比做一道菜，架構只是決定了做菜的原材料和大致步驟，這在大多數人的認知中也逐步形成共識。要訓練出好的模型，還需要更好的“原材料”（數據）和對每一個步驟細節的把控（訓練方法和具體參數）。由于大模型技術發展還在非常初期，從技術觀點來說，行業共識是與主流模型保持一致的模型結構，更有利于整體的適配與未來的迭代。
零一萬物在訓練模型過程中，沿用了GPT/LLaMA的基本架構，由于LLaMA社區的開源貢獻，讓零一萬物可以快速起步。零一萬物從零開始訓練了 Yi-34B 和 Yi-6B 模型，并根據實際的訓練框架重新實現了訓練代碼，用自建的數據管線構建了高質量配比的訓練數據集（從3PB原始數據精選到3T token高質量數據）。除此以外，在 Infra 部分進行算法、硬件、軟件聯合端到端優化，實現訓練效率倍級提升和極強的容錯能力等原創性突破。這些科學訓模的系統性工作，往往比起基本模型結構能起到巨大的作用跟價值。
零一萬物團隊在訓練前的實驗中，嘗試了不同的數據配比科學地選取了最優的數據配比方案，投注大部分精力調整訓練方法、數據配比、數據工程、細節參數、baby sitting（訓練過程監測）技巧等。這一系列超越模型架構之外，研究與工程并進且具有前沿突破性的研發任務，才是真正屬于模型訓練內核最為關鍵、能夠形成大模型技術護城河 know-how積累。在模型訓練同時，零一萬物也針對模型結構中的若干關鍵節點進行了大量的實驗和對比驗證。舉例來說，我們實驗了Group Query Attention（GQA）、Multi-Head Attention（MHA）、Vanilla Attention 并選擇了GQA，實驗了Pre-Norm和Post-Norm在不同網絡寬度和深度上的變化，并選擇了Pre-Norm，使用了 RoPE ABF作為positional embedding等。也正是在這些實驗與探索過程中，為了執行對比實驗的需要，模型對部分推理參數進行了重新命名。
在零一萬物初次開源過程中，我們發現用和開源社區普遍使用的LLaMA 架構會對開發者更為友好，對于沿用LLaMA部分推理代碼經實驗更名后的疏忽，原始出發點是為了充分測試模型，并非刻意隱瞞來源。零一萬物對此提出說明，并表達誠摯的歉意，我們正在各開源平臺重新提交模型及代碼并補充LLaMA 協議副本的流程中，承諾盡速完成各開源社區的版本更新。
我們非常感謝社區的反饋，零一萬物在開源社區剛剛起步，希望和大家攜手共創社區繁榮，在近期發布Chat Model之后，我們將擇期發布技術報告，Yi Open-source會盡最大努力虛心學習，持續進步。
本文鏈接：http://m.www897cc.com/showinfo-21-25958-0.html李開復回應“零一萬物開源Yi大模型抄襲LLaMA”質疑
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號