夢晨 發自 凹非寺
量子位 | 公衆号 QbitAI
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大模型什麼來頭？
相關論文剛剛上傳到ArXiv，來自南韓公司Upstage AI，使用了新的大模型擴充方法depth up-scaling（DUS）。
簡單來說就是兩隻7B羊駝掐頭去尾，一隻砍掉前8層，一隻砍掉後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，最後變成新的48層10.7B大模型。
論文聲稱新方法超過傳統擴充方法如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子產品，針對MoE優化訓練架構了，也不需要自定義CUDA核心來快速推理，可以無縫內建到現有方法中，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。
将縫合進行到底
為什麼是這種拼接方式，論文中介紹來自一種直覺。
從最簡單的擴充方式開始，也就是把32層的基礎大模型重複兩次，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，進而減少接縫處的差異，DUS方法就從這裡誕生。
根據性能與模型尺寸的權衡，團隊選擇從每個模型中删除8層，接縫處從32層連第1層，變成了24層連第9層。
簡單拼接後的模型，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複。
在指令微調階段，除了使用開源資料集，還制作了數學強化資料集，對齊階段使用DPO。
最後一步，把使用不同資料集訓練的模型版本權重平均，也是把縫合進行到底了。
有網友質疑測試資料洩露的可能性。
團隊也考慮到這一點，在論文附錄中專門報告了資料污染測試結果，顯示出低水準。
最後，SOLAR 10.7B基礎模型和微調模型都以Apache 2.0協定開源。
試用過的網友回報，從JSON格式資料中提取資料表現不錯。
論文位址：
https://arxiv.org/abs/2312.15166
— 完 —
量子位 QbitAI · 頭條号簽約
關注我們，第一時間獲知前沿科技動态