编辑：编辑部

【新智元导读】昨天，浪潮信息发布源2.0基础大模型，并一口气开源了1026亿、518亿、21亿三个大模型！而在编程、推理、逻辑这些老大难问题上，源2.0都表现出了令人印象深刻的性能。

国内首个全面开源的千亿模型，来了！

就在昨天，浪潮信息正式发布源2.0，无论是2B、51B，还是102B，统统都开源。

这一次，源2.0不仅在数理逻辑、数学计算、代码生成能力上，再次超强进化。

而且，还在算法、数据、算力方面，提出了三项创新。

开源地址：https://github.com/IEIT-Yuan/Yuan-2.0

算法方面，源2.0提出并采用了一种新型的注意力算法结构LFA（局部注意力过滤增强机制，Localized Filtering-based Attention），对于自然语言的关联语义理解更准确。

数据方面，源2.0使用中英文书籍、百科、论文等高质量中英文资料，降低了互联网语料内容占比，增加了高质量的专业数据集和逻辑推理数据集。

算力方面，源2.0采用了非均匀流水并行和优化器参数并行的分布式训练方法，显著降低了大模型对芯片间P2P带宽的需求。

源2.0：国内千亿级模型首次全面开源

从评测结果来看，不管是在HumanEval上，还是在GSM8K、高考数学上，源2.0模型都超过了ChatGPT，甚至接近GPT-4的精度。

由于源2.0具备生成单元测试的能力，因此团队在HumanEval评估中使用了SC（自洽性，Self-Consistency）方法。也就是，采用由源2.0-102B生成的单元测试作为评判标准，选出成功通过单元测试的候选者。

结果显示，自洽性可以显著提高模型的的性能。比如，HumanEval评测的正确率提升了10.3%，GSM8K提升了9.6%等等。

下面我们就来看看，源2.0的表现到底如何。

数学

首先是数学能力。

仔细看下面这道高考数学填空题就会发现，它的求解逻辑非常复杂。

这就要求模型不仅具备较好的基础知识，还需要有较好的推理以及计算能力。

从解题过程可以看出，源2.0-102B的推理路径正确，求解过程详尽，符号计算和数值计算均准确。在适当的位置上，模型明确地给出了最终答案，表现出了优异的逻辑推理性能。

根据GSM8K的评估结果，1026亿和518亿参数的源2.0，准确率都超过了76%。

与此同时，21亿参数的源2.0在准确率上也超过了规模大几十倍的Llama，达到了66.6%。

而在AGIEval高考数学任务上，源2.0的得分优于ChatGPT。

代码

代码生成上，源2.0表现出的优异性能让人印象深刻。

可以看到，下面这道HumanEval评测题出得非常刁钻，即便是经验丰富的程序员，也需要仔仔细细的读题，才能理解清楚。

其中这串拗口的指令「l和l'在不能被3整除的索引处完全相同，在能被3整除的索引处的值，等于l中对应索引的值」意味着需要构建一个子集。

这里，程序员很容易做错，但模型不仅理解了题目，而且还给出了正确的代码。

问题描述：这个函数接收一个列表l，返回一个列表l'，满足以下条件：l'与l在不能被3整除的索引处完全相同，而在能被3整除的索引处的值等于l中对应索引的值，但是排好序。

def sort_third(l):    non_divisible = []     divisible = []     for i, num in enumerate(l):        if i % 3 != 0:            non_divisible.append(num)         else:            divisible.append(num) divisible.sort() result = [] d_index = 0 nd_index = 0 for i in range(len(l)):    if i % 3 != 0:        result.append(non_divisible[nd_index])         nd_index += 1     else:        result.append(divisible[d_index])         d_index += 1 return result

结果显示，在HumanEval评测集上，带SC的源2.0的准确率为77.4%，与源2.0的基本测试相比，性能提高了10.3%。

源2.0的详细提示示例如下——

在浪潮信息看来，基础大模型犹如大模型产业的地基，地基的深度和强度，决定了大厦的高度。

依托基础大模型，可以从垂直场景应用有针对性地切入，从而落地行业。

从长远来看，这是我们走向AGI的必经之路。

意味着什么？

而浪潮信息选择开源千亿级模型，也有着更高瞻远瞩的用意。

人们都说，2023年开源社区的荣光应当属于Meta。

今年2月，Meta打造的Llama席卷了整个开源研究领域，掀起了各种大模型爆发新潮——「羊驼家族」就此诞生了。

包括Vicuna、Alpaca、Dolly、RedPajama、Faclon等各种衍生模型泉涌而出。

紧接着7月，升级版的Llama 2面世，再到8月，Code Llama的开源，全都成为点燃生成式AI燎原大势的星星之火。

就在前段时间，Meta公布了当前Llama的生态现状，只能用两个字「震惊」加以形容。

在世界最大开源社区平台Hugging Face上，Llama模型的下载量超过3000万次。其中，仅在过去30天（9月份）内就超过了1000万次。

另外，发布在Hugging Face的Llama版微调模型，已经多达7000+个。

显而易见，Meta开源对整个大模型领域的研究产生了重大的影响，并为未来生成式AI奠定了坚实的开源基础。

一直站在「开源派」阵列的图灵三巨头之一LeCun曾在AI Native大会上称，「我认为开放是必然之路。因为大模型将成为社会人人依赖的基础设施，所以必须是开放的」。

在浪潮信息看来，「源2.0」模型的开源，同样希望能够为中国大模型生态体系的繁荣壮大，增添重要的一笔。

比如，更加轻量的20亿参数模型，不仅具有出色的能力而且还有更小的内存和计算开销，对于终端用户来说便是不错的选择。

众人拾柴火焰高，为了促进生态的繁荣，浪潮信息一方面以优秀的开源模型性能汇聚算力、算法、数据、人才、产业，另一方面以技术创新反哺大模型数据、工具、应用的迭代升级，可谓是目光深远。

更大参数，更好涌现

最初，在GPT-4刚刚发布时，可谓是「万人空巷」。

而它之所以能够如此炸裂，是因为在底层智力方面的提升，不仅完全吊打了一众中小模型，甚至直接拿到行业应用中也是如此。

近日，随着OpenAI定制GPT能力的开放，全球在短短几天内诞生了数千款应用，几乎每一分钟就会产生一个新的GPT。

这恰好印证了Sam Altman在首届开发者大会上所说，「我们正在孕育新物种，它们正在迅速增值」。

再加上新版GPT-4 Turbo上下文本处理上限更高，足足有128k，价格更加便宜，各种时代应用的爆款都被激发出来了。

举个栗子，一位开发者仅在40秒内，就做出了一个Hacker News的克隆版。

看得出，正是基础大模型拥有强大的智力和泛化能力，提供了扎实的底座，才能催生各种应用实现落地。

另一方面，根据谷歌、斯坦福等发表的论文「Emergent Abilities of Large Language Models」，680亿参数可以被认为是大模型是否具备涌现能力的一个门槛，如果参数超过1000亿的话效果更好。

举例来说，在上下文学习中，对于3位数的加/减法任务，最小只需要130亿参数就会出现涌现能力。而对于多义词判断复杂的任务，至少需要5400亿参数。

如何实现的？

由上可见，大模型参数越大，涌现能力也就更稳定，更出色。

但是，真正炼出一个媲美GPT-4的大模型，还需要在算法和数据上更多的创新。

OpenAI团队在「Scaling Laws for Neural Language Models」文中曾指出，模型的智力水平能力取决于其投入的数据、参数量及算力，也就是业界常提的「Scaling Law」。

模型参数量越大、投入的训练数据越多，模型泛化能力则越强。

但我们当前所面临的问题是，高质量数据逐渐面临枯竭。

大模型训练几乎用尽了互联网高质量数据，并且所需的数据集的增速，远大于高质量数据生成的速度。

连OpenAI也陷入数据荒，公开求合作，寻求训练模型的各类高质量数据

与此同时，巨量参数模型对算力大量吞噬，愈加凸显了未来大模型算力之殇的困境，它并不可被视为无所顾忌的资源。

那么，我们如何用同等算力，更高质量的数据，来换取更低的loss rate，把效率发挥极致，让算力更有效地匹配智能涌现？

数据的创新

众所周知，想要提升模型性能，充分的训练也必不可少。

DeepMind的研究显示，如果想把一个大模型训练充分，需要把每个参数量训练20个token。相比之下，GPT-3的每个参数只训练了1-2个token。

基于这个思路，DeepMind为新的Chinchilla模型准备了差不多4.7倍于Gopher的数据量（1.4T vs 0.3T），但是将参数量降低到了原先四分之一。

其结果就是，在相当一部分任务的表现上，700亿参数Chinchilla效果都要优于2800亿参数的Gopher。

无独有偶，采用更大数据量来训练的LLaMA，凭借着小得多的参数规模击败了GPT-3。

换言之，当前的千亿规模大模型，应该用多10倍的数据进行训练，才能达到比较好的水平。

因此，为了提升模型的性能，我们不仅需要更高质量，还需要更大规模的训练数据。

还是以GPT-3为例，它所使用的高质量数据仅占其数据集的17.8%，但其在模型训练中的权重却占到了40%。

然而，现在的问题在于，大模型训练所需要的数据集的增速，要远远大于高质量数据生成的速度。此外，对于具体的行业来说，其自身还普遍存在着高质量数据匮乏的问题，「特别是面向中文语境下的高质量数据集」。

面对高质量数据的枯竭，以及算力资源的限制，浪潮信息给出了它的思考与答案，立足训练数据来源、数据增强和合成方法方面进行全面创新。

相比于源1.0，源2.0减少了网页数据，并增加了百科、书籍、期刊等来源的数据 ，从而增强了模型数理逻辑能力。

其中，团队除了从互联网上获取数据之外，还引入了一部分独特的数据，尤其是在构建数学数据和代码数据的时候。

左：源1.0；右：源2.0

而第二种构建高质量数据的方式，则是用大模型生成。

为此，浪潮信息提出了基于主题词或Q&A问答对自动生成编程题目和答案的数据集生成流程，大幅提高了数据集问题的多样性。同时，辅以基于单元测试的数据清洗方法，让高质量数据集的获取更加高效，进一步提高训练效率。

具体来说，在构建高质量的数学和代码数据时，团队先随机选取一批种子数据，然后对其进行扩充，让大模型生成一批合适的问题，再把它们送到模型里，从而产生合适的答案。

这种方法不仅被用在了源2.0的预训练中，而且还可用于模型的微调。

算法的创新

在算法方面，经典的自注意力机制在学习整个输入序列中token之间的相互关系的时候，并不会假设输入的词之间存在某种先验的依赖关系，比如局部关系。

但实际上，在自然语言中，相邻词之间的关联往往较强。

比如把「我想吃中国菜」这样一个句子输入模型，首先就会进行分词——我/想/吃/中国/菜。

很显然，在这句话中，「中国」和「菜」是有更强的关系和局部依赖性的，这种局部依赖性，就是自然语言中一种较强的特性。

那么，如果能把这种局部依赖性引入到自注意力机制中，理论上就可以提升模型对自然语言的建模能力，进而提升精度。

为了更好考虑自然语言输入的局部依赖性，团队提出了一种全新的算法——局部注意力过滤增强机制（LFA）。

从图1中可以看到，LFA对局部性的引入，是通过两层嵌套的1维卷积操作实现的。

为了确保未来词的信息不会泄露到当前词中，卷积计算中采用了单边操作，卷积核的尺寸是2，在卷积之后应用了RMSNorm，一方面提升了精度，另一方面起到稳定计算的作用。

图2是LFA中的卷积操作，可以看到，位置3处的词通过两层卷积后，将会包含位置1与位置2处词的信息。

在采用卷积之前，团队首先尝试了建模时间序列局部性关系时最常用的EMA（指数移动平均）算法，并将EMA添加至自注意力的query与key张量计算之前的位置。

从表1中可以看到，采用EMA改进后的注意力模型，确实降低了测试集上的loss值，并获得了更高的精度。但同时也大幅增加了训练耗时，而这对于大模型的训练来说是难以接受的。

随后，团队将全局的EMA改为局部操作，并试验了不同的卷积核的尺寸。其中，当卷积核尺寸为7时，可以达到最优的精度，但依然极大地增加了参数量和内存开销。

为了在保持精度的同时降低参数量，团队采用了2层卷积堆叠的形式，并通过在卷积之后添加RMSNorm的手段，进一步提升了精度，并有效降低了参数量。

消融实验的结果显示，相比传统注意力结构，LFA模型精度提高了3.53%。

在最终的模型训练上，基于LFA算法的源2.0-102B模型，训练288B token的train loss为1.18 。

相比之下，源1.0 245B模型训练180B token的train loss为1.64。

也就是说，从源1.0到源2.0，train loss降低了28%。

计算的创新

然而，由于资源的限制，在参数和数据两者不可兼得时，又应该如何进行取舍呢？

OpenAI的研究结论认为，与增加数据量相比，先增大模型参数量，受益则会更好——

比如，用1000亿的模型训练2000亿的token和2000亿模型训练1000亿的token，后者的模型性能会更高。

但无论是提高模型参数量还是提升数据规模，算力依旧是支撑大模型智力水平提升的核心驱动力——需要用「足够大」的算力，去支撑起「足够精准」模型泛化能力。

因此，一定程度上也可以说——有多少算力投入，就有多少智能涌现。但当下，我们需要解决的是，如何把算力更有效地匹配智能涌现。

所以，应该如何更好地利用算力呢？

为了在各类计算设备上都达到好的性能，团队提出了一种分布式训练方法。

早在源1.0中，就采用了张量并行+流水线并行+数据并行的3D并行策略。

而源2.0在此基础上更进一步地提出了非均匀流水并行+优化器参数并行（ZeRO）+ 数据并行 + Loss计算分块的方法。相比于经典的3D并行方法，它对带宽的需求更小，同时还能获得高性能。

举个坚果，在均匀流水并行的时候，24层模型分到8个计算设备上，每个设备上会平均分到3层。

从下图中可以看到，这时内存在第一阶段就已经达到了GPU的上限。由此，模型的训练便需要更多设备、更长的流水并行线路，从而导致更低的算力效率。

而采用非均匀流水并行的方法，就可以根据模型每层对于内存的需求，结合内存的容量进行均衡分配，这样就能在有限的算力资源里把模型训起来了。

不过，流水线并行策略下，整个阶段依然是比较长的。

针对这个问题，团队把流水并行和优化器参数并行结合了起来。

采用优化器参数并行，就会进一步降低各个节点上内存的开销。内存空间省下来了，就可以合并成更大的流水线，减少节点使用数量，节省算力资源。

为了对两种分布式训练方法有定量分析，团队还特意构建了两个性能模型，测试证明，数据误差非常低。

用这两个性能模型对于节点类芯片之间的P2P互联带宽进行了模拟。

如果用经典的3D并行，当芯片P2P带宽从400GB/s降低至100GB/s，性能就会降85%左右。

但如果用源2.0的分布式训练算法，性能几乎不随带宽变化，仅降低0.4%。哪怕AI芯片之间的P2P带宽很低，依然能保持几乎不变的性能开销，这就大幅降低了大模型训练对P2P带宽之间的需求。

无论是96芯片，还是256芯片上，效果都类似。

率先布局，在不断前行中探索

大模型下半场，从来都不缺少在AIGC领域中布局的重要玩家。

据不完全统计，中国大模型赛道上，已经诞生了188+个模型，可见大模型暴涨速度如此之快。

作为算力龙头玩家，浪潮信息不仅在大模型领域，更是在AI算力基础设施方面深耕多年。

正是基于产品研发、客户需求、应用落地等因素，浪潮信息AI团队在算力系统的性能调校和优化方面积累了丰富的经验。

这些经验逐渐沉淀在产品AI服务器上，多年来在MLPerf的训练和推理取得了优异的成绩。

得益于自身实践，随着大模型的井喷式爆发，浪潮信息在8月正式发布了大模型智算软件栈 OGAI「元脑生智」（Open GenAI Infra）。

秉承全栈全流程、算力充分释放、实战验证提炼的设计原则，为大模型研发与应用创新全力打造高效生产力，加速生成式AI产业创新步伐。

在大模型领域的布局，早在2021年，浪潮信息率先推出了中文领域巨量AI模型「源1.0」，有2457亿参数，成功落地南京智算中心。

源1.0有着出色的中文理解与创作能力，并在许多榜单中霸榜，可与GPT-3相媲美。

「源1.0」研发过程中，浪潮信息AI团队完成了5TB高质量中文数据集的清洗工作。

最重要的是，团队逐步建立了完整流程和工具链，从公开数据爬取，到数据清洗、格式转化、数据质量评估。

「源1.0」开放后，基于「源」大模型的各种应用创新迸发，AI剧本杀，临小助数字社工、AI反诈等在业界引起了很大的反响。

与此同时，基于「源」大模型的研发经验，2022年以来，浪潮信息协助多个客户，将大模型训练GPU峰值效率从30%左右提升到50%，大大加速模型训练过程。

浪潮信息还将「源」大模型的智能力与To B领域复杂的服务场景进行深度融合，并构建首个「专家级数据中心智能客服大脑」，荣获哈佛商业评论鼎革奖。

基于AI算力平台，OGAI智算软件栈等积累，千亿级大模型「源2.0」的开源，将全面助力大模型领域开发者、创业者，激发AIGC时代创新。

浪潮信息高级副总裁刘军表示，「希望通过全面开源千亿级参数源2.0大模型，为业界分享浪潮信息在探索基础大模型领域的实践和成果，降低大模型创新的门槛，为大模型产业的发展提供更开放、更高效、更智能的基础大模型基座，促进AIGC产业生态的繁荣与可持续发展。」

正如Meta的模型Llama开源后，孵化出大量的开发者应用一样。在国内，开源的基础大模型也将成为推动AI创新和落地的重要手段。

大模型开源开放能够让算法数据等信息共享，打破技术孤岛，让更多开发者一起共创。

站在AIGC时代潮前，源2.0的正式开源，势必成为中国大模型开源生态的中坚力量。

参考资料：

https://github.com/IEIT-Yuan/Yuan-2.0