下载量超300w的ChatGLM-6B再升级：8-32k上下文，推理提速42%
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
-
开源
+关注
关注
3文章
3309浏览量
42470 -
模型
+关注
关注
1文章
3226浏览量
48806 -
数据集
+关注
关注
4文章
1208浏览量
24688
原文标题：下载量超300w的ChatGLM-6B再升级：8-32k上下文，推理提速42%
文章出处：【微信号：OSC开源社区，微信公众号：OSC开源社区】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
UCC28063EVM-723 300W交错式PFC预调节器手册
UCC28060EVM 300W交错式PFC预调节器手册
SystemView上下文统计窗口识别阻塞原因
chatglm2-6b在P40上做LORA微调
大联大推出基于Innoscience产品的300W电源适配器方案
鸿蒙Ability Kit（程序框架服务）【应用上下文Context】
PMP31052.1-汽车类四开关、大于 300W 降压/升压 PCB layout 设计
编写一个任务调度程序，在上下文切换后遇到了一些问题求解
STM32L4R5VGT6 flash超512K时，无法下载的原因？
TC397收到EVAL_6EDL7141_TRAP_1SH 3上下文管理EVAL_6EDL7141_TRAP_1SH错误怎么解决？
ISR的上下文保存和恢复是如何完成的？
三步完成在英特尔独立显卡上量化和部署ChatGLM3-6B模型
ChatGLM3-6B在CPU上的INT4量化和部署
工商网监
评论