This repository has been archived by the owner on Oct 25, 2024. It is now read-only.
-
Notifications
You must be signed in to change notification settings - Fork 30
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Create 性能提升，星辰AI大模型TeleChat-12B评测.md
- Loading branch information
Showing
1 changed file
with
153 additions
and
0 deletions.
There are no files selected for viewing
153 changes: 153 additions & 0 deletions
153
docs/academic/算法科普/Transformer/性能提升，星辰AI大模型TeleChat-12B评测.md
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| Original file line number | Diff line number | Diff line change |
|---|---|---|
| @@ -0,0 +1,153 @@ | ||
|
|
||
| # 0x0. 前言 | ||
| 2月份的时候评测过TeleChat-7B大模型，见[星辰AI大模型TeleChat-7B评测](https://mp.weixin.qq.com/s/ZQusIc6Ho3OO-GNQfREmjg)。最近中电信 AI 科技有限公司针对TeleChat-7B进行了性能升级，并开源了一个更大的模型TeleChat-12B，受邀对这个大模型进行新的评测。本文主要关注TeleChat-7B在做一些文学创作和代码生成方面相比于TeleChat-7B的提升。TeleChat-7B不仅在模型结构上有所微调，而且相比于TeleChat-7B的1.5T Tokens，TeleChat-12B使用了3T Tokens进行预训练，取得了更好的性能结果。下面红框部分是TeleChat-12B相比于TeleChat-7B在通用能力，推理和代码能力，语言理解能力等维度的数据集上的性能提升： | ||
|
|
||
|
|
||
|  | ||
|
|
||
| # 0x1. TeleChat-12B相比于TeleChat-7B的差异点 | ||
| TeleChat-12B和TeleChat-7B均开源在https://github.com/Tele-AI/Telechat这个仓库中，并且在Huggingface,ModelScope等大模型托管平台进行托管，另外还开源了int8和int4两种低比特类型的模型方便部署。这里着重说明一下TeleChat-12B和TeleChat-7B的差异之处： | ||
| - 数据方面，TeleChat-12B使用了3T tokens进行预训练，而TeleChat-7B则只用了1.5T tokens。 | ||
| - 在模型结构方面，相比TeleChat-7B模型，TeleChat-12B模型采用了词嵌入层与输出层解耦的结构，将词嵌入层和输出lm head层参数分开，有助于增强训练稳定性和收敛性。 | ||
| - 在训练方法方面，TeleChat-12B训练时使用更科学的数据配比学习与课程学习的方法，使用小参数模型在多种数据配比的数据上拟合，得到对各个数据集难度的先验估计；训练过程中每隔一段时间自动化评估当前模型在所有数据集上的loss，以及在评测集上的生成效果，动态提升较难学习的数据集权重，保证模型在各个数据集上都有较佳的拟合效果。 | ||
| - 后续通过对比TeleChat-7B和TeleChat-12B在文创和代码方面的一些例子可以发现TeleChat-12B在指令跟随，幻觉，补全文本的指令以及代码创作上都有较大提升。 | ||
| # 0x2. 环境配置 | ||
| 可以使用官方提供的Docker镜像，也可以自己按照 https://github.com/Tele-AI/Telechat/blob/master/requirements.txt 来配置。我这里是直接使用了官方的镜像，基本没踩什么坑，按照 https://github.com/Tele-AI/Telechat/blob/master/docs/tutorial.md 这个教程操作就可以。 | ||
| # 0x3. 文学创作能力测试 | ||
| 为了更加真实的观察模型的文学创作能力，这里不使用TeleChat官方开源仓库提供的例子，而是使用我们自己的一些prompt来进行测试。其中部分例子取自：https://github.com/SkyworkAI/Skywork#chat%E6%A8%A1%E5%9E%8B%E6%A0%B7%E4%BE%8B%E5%B1%95%E7%A4%BA 。然后来关注TeleChat-7B和TeleChat-13B的输出结果，测试代码为： | ||
|
|
||
| ```python | ||
| import os | ||
| import torch | ||
| from transformers import AutoModelForCausalLM, AutoTokenizer, GenerationConfig | ||
| os.environ["CUDA_VISIBLE_DEVICES"] = '0' | ||
| question="通过对“红楼梦中的人，都散在眼前”的理解，尝试创作一首描绘梦境与现实的五言律诗。" | ||
| print('==============Prompt===================') | ||
| print(question) | ||
| print('==============TeleChat-7B==============') | ||
| tokenizer = AutoTokenizer.from_pretrained('/bbuf/telechat-7B/', trust_remote_code=True,) | ||
| model = AutoModelForCausalLM.from_pretrained('/bbuf/telechat-7B/', trust_remote_code=True, device_map="auto", torch_dtype=torch.float16) | ||
| generate_config = GenerationConfig.from_pretrained('/bbuf/telechat-7B/') | ||
|
|
||
| answer, history = model.chat(tokenizer = tokenizer, question=question, history=[], generation_config=generate_config, stream=False) | ||
| print(answer) | ||
|
|
||
| print('==============TeleChat-12B==============') | ||
|
|
||
| tokenizer = AutoTokenizer.from_pretrained('/mnt/data/cangshui/bbuf/TeleChat-12B/', trust_remote_code=True,) | ||
| model = AutoModelForCausalLM.from_pretrained('/mnt/data/cangshui/bbuf/TeleChat-12B/', trust_remote_code=True, device_map="auto", torch_dtype=torch.float16) | ||
| generate_config = GenerationConfig.from_pretrained('/mnt/data/cangshui/bbuf/TeleChat-12B/') | ||
| answer, history = model.chat(tokenizer = tokenizer, question=question, history=[], generation_config=generate_config, stream=False) | ||
| print(answer) | ||
|
|
||
| ``` | ||
|
|
||
| 另外我还做了一个改动，把两个模型文件夹下的generation_config.json里面的do_sample都改成了`true`，让结果更加丰富。 | ||
|
|
||
| 针对相同的输入prompt分别使用7b和12b的模型进行推理，对比输出结果。 | ||
|
|
||
| - 诗词创作 | ||
|
|
||
|
|
||
|  | ||
|  | ||
|  | ||
|
|
||
| 测试一下写诗，发现TeleChat-7B和TeleChat-12B模型在诗词创作方面的能力都比较有限，虽然可以生成一些和prompt描述相关的文字，但是对五言，七言等诗歌形式往往不能正常理解。可能和数据里面没有特意微调这种情况有关系。 | ||
|
|
||
| - 广告文案 | ||
|
|
||
|  | ||
|
|
||
|  | ||
|  | ||
|  | ||
|
|
||
| 从这几个例子可以看到TeleChat-12B的指令跟随能力比7B要更好一些，并且输出的内容质量也更高。 | ||
|
|
||
| - 作文生成 | ||
|  | ||
| （上面2张图是一个prompt） | ||
|
|
||
|  | ||
|  | ||
|
|
||
| 上面写了2篇作文，看起来12B的模型也是比7B的表现更好，重要的是对于字数的判断12B模型更加准确，而7B模型似乎忽略了prompt里面字数限制的指令。 | ||
|
|
||
| - 演讲稿生成 | ||
|  | ||
|  | ||
|
|
||
| 上面两张图是同一个prompt。 | ||
|
|
||
|  | ||
|  | ||
|
|
||
| TeleChat-12B的创作质量相比于TeleChat-7B明显更高。 | ||
|
|
||
| - 心得体会 | ||
|
|
||
|  | ||
|
|
||
|  | ||
|  | ||
|  | ||
|
|
||
| 上面三张图是一个prompt的输出。 | ||
|
|
||
|  | ||
|  | ||
|
|
||
| 上面两张图是一个prompt的输出。 | ||
|
|
||
| 同样，TeleChat-12B的创作质量相比于TeleChat-7B明显更高，并且更加丰富，对于发明专利写得更专业。 | ||
|
|
||
| - 记录文 | ||
|  | ||
|  | ||
|
|
||
| 上面两张图片是同一个prompt的输出。 | ||
|
|
||
|
|
||
| 总的来说，在文学创作方面，TeleChat-12B相比于TeleChat-7B无论是在质量还是指令跟随上都更好一些，可以获得更好的创作效果。 | ||
|
|
||
| # 0x4. 代码能力对比测试 | ||
| - Python中的深拷贝和浅拷贝有什么区别？ 请用代码示例解释这两种拷贝方式。 | ||
|
|
||
|  | ||
|  | ||
|  | ||
|
|
||
| 对于深浅拷贝，TeleChat-7B的答案完全错误，而TeleChat-12B的答案则更靠谱，指出了浅拷贝是副本共享内部对象的引用，而深拷贝的副本不共享内部对象的引用，但在对比的时候代码注释仍然有个小错误。 | ||
|
|
||
| - 如何合并两个已排序的数组？ 编写一个函数，将两个已排序的整数数组合并为一个排序后的数组。 | ||
|
|
||
|  | ||
|  | ||
|  | ||
|
|
||
| - 判断一个数是否为质数。 编写一个函数，判断给定的整数是否是质数，并考虑优化算法的效率。 | ||
|
|
||
|  | ||
|  | ||
|  | ||
|
|
||
| 相比于TeleChat-7B的答案。TeleChat-12B提供了两种方法并指明了第二种方法的时间复杂度更小，回答的质量更高。 | ||
|
|
||
| - c++编写一个函数，将字符串中所有指定的单词替换为另一个单词。 | ||
|
|
||
|  | ||
|  | ||
|
|
||
| 对于这个问题，TeleChat-12B可以正确理解并给出解决方案，而TeleChat-7B的答案是错误的。 | ||
|
|
||
|
|
||
| 通过上述一些编程问题，可以发现TeleChat-12B在编程能力上相比于TeleChat-7B有较大提升，这种提升的原因大概率是新增的1.5T数据包含了部分代码数据。 | ||
|
|
||
| # 0x5. 总结 | ||
|
|
||
| 本文通过对比TeleChat-7B和TeleChat-12B在文创和代码方面的一些例子可以发现TeleChat-12B在指令跟随，幻觉，补全文本的指令以及代码创作上都有较大提升。希望后续能持续在网络结构，数据方面做出改进，做出更强的开源模型。 | ||
|
|
||
|
|
||
|
|
||
|
|