1800億參數，世界頂級開源大模型Falcon官宣！碾壓LLaMA 2，性能直逼GPT-4

作者：新智元 2023-09-07 13:25:00

人工智能新聞

一經發布，地表最強開源模型Falcon 180B直接霸榜HF。3.5萬億token訓練，性能直接碾壓Llama 2。

一夜之間，世界最強開源大模型Falcon 180B引爆全網！

1800億參數，Falcon在3.5萬億token完成訓練，直接登頂Hugging Face排行榜。

基準測試中，Falcon 180B在推理、編碼、熟練度和知識測試各種任務中，一舉擊敗Llama 2。

甚至，Falcon 180B能夠與谷歌PaLM 2不差上下，性能直逼GPT-4。

不過，英偉達高級科學家Jim Fan對此表示質疑，

- Falcon-180B的訓練數據中，代碼只占5%。

而代碼是迄今為止對提高推理能力、掌握工具使用和增強AI智能體最有用的數據。事實上，GPT-3.5是在Codex的基礎上進行微調的。

- 沒有編碼基準數據。

沒有代碼能力，就不能聲稱「優于GPT-3.5」或「接近GPT-4」。它本應是預訓練配方中不可或缺的一部分，而不是事后的微調。

- 對于參數大于30B的語言模型，是時候采用混合專家系統（MoE）了。到目前為止，我們只看到OSS MoE LLM < 10B。

一起來看看，Falcon 180B究竟是什么來頭？

世界最強開源大模型

此前，Falcon已經推出了三種模型大小，分別是1.3B、7.5B、40B。

官方介紹，Falcon 180B是40B的升級版本，由阿布扎比的全球領先技術研究中心TII推出，可免費商用。

這次，研究人員在基底模型上技術上進行了創新，比如利用Multi-Query Attention等來提高模型的可擴展性。

對于訓練過程，Falcon 180B基于亞馬遜云機器學習平臺Amazon SageMaker，在多達4096個GPU上完成了對3.5萬億token的訓練。

總GPU計算時，大約7,000,000個。

Falcon 180B的參數規模是Llama 2（70B）的2.5倍，而訓練所需的計算量是Llama 2的4倍。

具體訓練數據中，Falcon 180B主要是RefinedWe數據集（大約占85%）。

此外，它還在對話、技術論文，以及一小部分代碼等經過整理的混合數據的基礎上進行了訓練。

這個預訓練數據集足夠大，即使是3.5萬億個token也只占不到一個epoch。

官方自稱，Falcon 180B是當前「最好」的開源大模型，具體表現如下：

在MMLU基準上，Falcon 180B的性能超過了Llama 2 70B和GPT-3.5。

在HellaSwag、LAMBADA、WebQuestions、Winogrande、PIQA、ARC、BoolQ、CB、COPA、RTE、WiC、WSC 及ReCoRD上，與谷歌的PaLM 2-Large不相上下。

另外，它在Hugging Face開源大模型榜單上，是當前評分最高（68.74分）的開放式大模型，超越了LlaMA 2（67.35）。

Falcon 180B上手可用

與此同時，研究人員還發布了聊天對話模型Falcon-180B-Chat。該模型在對話和指令數據集上進行了微調，數據集涵蓋了Open-Platypus、UltraChat和Airoboros。

現在，每個人都可以進行demo體驗。

地址：https://huggingface.co/tiiuae/falcon-180B-chat

Prompt 格式

基礎模型沒有Prompt格式，因為它并不是一個對話型大模型，也不是通過指令進行的訓練，所以它并不會以對話形式回應。

預訓練模型是微調的絕佳平臺，但或許你不該直接使用。其對話模型則設有一個簡單的對話模式。

System: Add an optional system prompt here
User: This is the user input
Falcon: This is what the model generates
User: This might be a second turn input
Falcon: and so on

Transformers

從Transfomers 4.33開始，Falcon 180B可以在Hugging Face生態中使用和下載。

確保已經登錄Hugging Face賬號，并安裝了最新版本的transformers:

pip install --upgrade transformers
huggingface-cli login

bfloat16

以下是如何在 bfloat16 中使用基礎模型的方法。Falcon 180B是一個大模型，所以請注意它的硬件要求。

對此，硬件要求如下：

可以看出，若想對Falcon 180B進行全面微調，至少需要8X8X A100 80G，如果僅是推理的話，也得需要8XA100 80G的GPU。

from transformers import AutoTokenizer, AutoModelForCausalLM
import transformers
import torch


model_id = "tiiuae/falcon-180B"


tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)


prompt = "My name is Pedro, I live in"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")


output = model.generate(
    input_ids=inputs["input_ids"],
    attention_mask=inputs["attention_mask"],
    do_sample=True,
    temperature=0.6,
    top_p=0.9,
    max_new_tokens=50,
)
output = output[0].to("cpu")
print(tokenizer.decode(output)

可能會產生如下輸出結果:

My name is Pedro, I live in Portugal and I am 25 years old. I am a graphic designer, but I am also passionate about photography and video.
I love to travel and I am always looking for new adventures. I love to meet new people and explore new places.

使用8位和4位的bitsandbytes

此外，Falcon 180B的8位和4位量化版本在評估方面與bfloat16幾乎沒有差別！

這對推理來說是個好消息，因為用戶可以放心地使用量化版本來降低硬件要求。

注意，在8位版本進行推理要比4位版本快得多。要使用量化，你需要安裝「bitsandbytes」庫，并在加載模型時啟用相應的標志:

model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    **load_in_8bit=True,**
    device_map="auto",
)

對話模型

如上所述，為跟蹤對話而微調的模型版本，使用了非常直接的訓練模板。我們必須遵循同樣的模式才能運行聊天式推理。

作為參考，你可以看看聊天演示中的 [format_prompt] 函數:

def format_prompt(message, history, system_prompt):
    prompt = ""
    if system_prompt:
        prompt += f"System: {system_prompt}\n"
    for user_prompt, bot_response in history:
        prompt += f"User: {user_prompt}\n"
        prompt += f"Falcon: {bot_response}\n"
        prompt += f"User: {message}\nFalcon:"
    return prompt

從上可見，用戶的交互和模型的回應前面都有 User: 和 Falcon: 分隔符。我們將它們連接在一起，形成一個包含整個對話歷史的提示。這樣，就可以提供一個系統提示來調整生成風格。