出品|開源中國
GLM 技術團隊宣布再次更新 ChatGLM-6B，釋出 ChatGLM2-6B。ChatGLM-6B 于 3 月 14 日釋出，截至 6 月 24 日在 Huggingface 上的下載下傳量已經超過 300w。
截至 6 月 25 日，ChatGLM2 模型在主要評估 LLM 模型中文能力的 C-Eval 榜單中以 71.1 的分數位居 Rank 0；ChatGLM2-6B 模型則以 51.7 的分數位居 Rank 6，是榜單上排名最高的開源模型。
ChatGLM2-6B 是開源中英雙語對話模型 ChatGLM-6B 的第二代版本，在保留了初代模型對話流暢、部署門檻較低等衆多優秀特性的基礎之上，ChatGLM2-6B 引入了如下新特性：
- 更強大的性能：基于 ChatGLM 初代模型的開發經驗，全面更新了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目标函數，經過了 1.4T 中英辨別符的預訓練與人類偏好對齊訓練，評測結果顯示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%） 、BBH（+60%）等資料集上的性能取得了大幅度的提升，在同尺寸開源模型中具有較強的競争力。
- 更長的上下文：基于 FlashAttention 技術，項目團隊将基座模型的上下文長度（Context Length）由 ChatGLM-6B 的 2K 擴充到了 32K，并在對話階段使用 8K 的上下文長度訓練，允許更多輪次的對話。但目前版本的 ChatGLM2-6B 對單輪超長文檔的了解能力有限，我們會在後續疊代更新中着重進行優化。
- 更高效的推理：基于 Multi-Query Attention 技術，ChatGLM2-6B 有更高效的推理速度和更低的顯存占用：在官方的模型實作下，推理速度相比初代提升了 42%，INT4 量化下，6G 顯存支援的對話長度由 1K 提升到了 8K。
- 更開放的協定：ChatGLM2-6B 權重對學術研究完全開放，在獲得官方的書面許可後，亦允許商業使用。
評測結果
以下為 ChatGLM2-6B 模型在 MMLU (英文)、C-Eval（中文）、GSM8K（數學）、BBH（英文） 上的測評結果。
推理性能
ChatGLM2-6B 使用了 Multi-Query Attention，提高了生成速度。生成 2000 個字元的平均速度對比如下
Multi-Query Attention 同時也降低了生成過程中 KV Cache 的顯存占用，此外，ChatGLM2-6B 采用 Causal Mask 進行對話訓練，連續對話時可複用前面輪次的 KV Cache，進一步優化了顯存占用。是以，使用 6GB 顯存的顯示卡進行 INT4 量化的推理時，初代的 ChatGLM-6B 模型最多能夠生成 1119 個字元就會提示顯存耗盡，而 ChatGLM2-6B 能夠生成至少 8192 個字元。
項目團隊也測試了量化對模型性能的影響。結果表明，量化對模型性能的影響在可接受範圍内。
示例對比
相比于初代模型，ChatGLM2-6B 多個次元的能力都取得了提升，以下是一些對比示例。
數理邏輯
知識推理
長文檔了解