HuggingFace開源大模型排行榜，又被屠榜了。

前排被清一色的SOLAR 10.7B微調版本占據，把幾周之前的各種Mixtral 8x7B微調版本擠了下去。

SOLAR大模型什么來頭？

相關論文剛剛上傳到ArXiv，來自韓國公司Upstage AI，使用了新的大模型擴展方法depth up-scaling（DUS）。

簡單來說就是兩只7B羊駝掐頭去尾，一只砍掉前8層，一只砍掉后8層。

剩下兩個24層縫合在一起，第一個模型的第24層與第二個模型的第9層拼接，最后變成新的48層10.7B大模型。

論文聲稱新方法超過傳統擴展方法如MoE，而且可以與沿用基礎大模型完全相同的基礎設施。

不需要門控網絡等附加模塊，針對MoE優化訓練框架了，也不需要自定義CUDA內核來快速推理，可以無縫集成到現有方法中，同時保持高效。

團隊選擇7B規模最強的單體大模型Mistral 7B作為底材，用新方法拼接起來，再超越原版以及MoE版。

同時，經過對齊的Instruct版本也超越對應的MoE Instruct版本。

將縫合進行到底

為什么是這種拼接方式，論文中介紹來自一種直覺。

從最簡單的擴展方式開始，也就是把32層的基礎大模型重復兩次，變成64層。

這樣做的好處是不存在異質性，所有層都來自基礎大模型，但第32層和第33層（與第1層相同）的接縫處有較大的“層距離”（layer distance）。

之前有研究表明，Transformer不同層做不同的事，如越深的層擅長處理越抽象的概念。

團隊認為層距離過大可能妨礙模型有效利用預訓練權重的能力。

一個潛在的解決方案是犧牲中間層，從而減少接縫處的差異，DUS方法就從這里誕生。

根據性能與模型尺寸的權衡，團隊選擇從每個模型中刪除8層，接縫處從32層連第1層，變成了24層連第9層。

簡單拼接后的模型，性能一開始還是會低于原版基礎模型，但經過繼續預訓練可以迅速恢復。

在指令微調階段，除了使用開源數據集，還制作了數學強化數據集，對齊階段使用DPO。

最后一步，把使用不同數據集訓練的模型版本加權平均，也是把縫合進行到底了。

有網友質疑測試數據泄露的可能性。

團隊也考慮到這一點，在論文附錄中專門報告了數據污染測試結果，顯示出低水平。

最后，SOLAR 10.7B基礎模型和微調模型都以Apache 2.0協議開源。

試用過的網友反饋，從JSON格式數據中提取數據表現不錯。

論文地址：https://arxiv.org/abs/2312.15166