11月15日消息，近日，創(chuàng)新工場董事長兼 CEO 李開復創(chuàng)辦的AI大模型創(chuàng)業(yè)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(fā)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(fā)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(yè)逐漸形成大模型的通用標準 (就像做一個手機app開發(fā)者不會去自創(chuàng) 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(qū)中虛心學習，我們會持續(xù)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(qū)在技術架構方面現(xiàn)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(qū)基于主流架構的模型變化非常之多，生態(tài)呈現(xiàn)欣欣向榮，國內(nèi)已發(fā)布的開源模型也絕大多數(shù)采用漸成行業(yè)標準的 GPT/LLaMA 的架構。然而，大模型持續(xù)發(fā)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(shù)。
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(shù)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(shù)據(jù)）和對每一個步驟細節(jié)的把控（訓練方法和具體參數(shù)）。由于大模型技術發(fā)展還在非常初期，從技術觀點來說，行業(yè)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(qū)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(jù)實際的訓練框架重新實現(xiàn)了訓練代碼，用自建的數(shù)據(jù)管線構建了高質量配比的訓練數(shù)據(jù)集（從3PB原始數(shù)據(jù)精選到3T token高質量數(shù)據(jù)）。除此以外，在 Infra 部分進行算法、硬件、軟件聯(lián)合端到端優(yōu)化，實現(xiàn)訓練效率倍級提升和極強的容錯能力等原創(chuàng)性突破。這些科學訓模的系統(tǒng)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(shù)據(jù)配比科學地選取了最優(yōu)的數(shù)據(jù)配比方案，投注大部分精力調(diào)整訓練方法、數(shù)據(jù)配比、數(shù)據(jù)工程、細節(jié)參數(shù)、baby sitting（訓練過程監(jiān)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(fā)任務，才是真正屬于模型訓練內(nèi)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(jié)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(wǎng)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(zhí)行對比實驗的需要，模型對部分推理參數(shù)進行了重新命名。
在零一萬物初次開源過程中，我們發(fā)現(xiàn)用和開源社區(qū)普遍使用的LLaMA 架構會對開發(fā)者更為友好，對于沿用LLaMA部分推理代碼經(jīng)實驗更名后的疏忽，原始出發(fā)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(xié)議副本的流程中，承諾盡速完成各開源社區(qū)的版本更新。
我們非常感謝社區(qū)的反饋，零一萬物在開源社區(qū)剛剛起步，希望和大家攜手共創(chuàng)社區(qū)繁榮，在近期發(fā)布Chat Model之后，我們將擇期發(fā)布技術報告，Yi Open-source會盡最大努力虛心學習，持續(xù)進步。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
