下載量超300w的ChatGLM-6B再升級(jí)：8-32k上下文，推理提速42%

GLM 技術(shù)團(tuán)隊(duì)宣布再次升級(jí) ChatGLM-6B，發(fā)布 ChatGLM2-6B。ChatGLM-6B 于 3 月 14 日發(fā)布，截至 6 月 24 日在 Huggingface 上的下載量已經(jīng)超過(guò) 300w。 截至 6 月 25 日，ChatGLM2 模型在主要評(píng)估 LLM 模型中文能力的 C-Eval 榜單中以 71.1 的分?jǐn)?shù)位居 Rank 0；ChatGLM2-6B 模型則以 51.7 的分?jǐn)?shù)位居 Rank 6，是榜單上排名最高的開(kāi)源模型。

ChatGLM2-6B 是開(kāi)源中英雙語(yǔ)對(duì)話模型 ChatGLM-6B 的第二代版本，在保留了初代模型對(duì)話流暢、部署門檻較低等眾多優(yōu)秀特性的基礎(chǔ)之上，ChatGLM2-6B 引入了如下新特性：

更強(qiáng)大的性能：基于 ChatGLM 初代模型的開(kāi)發(fā)經(jīng)驗(yàn)，全面升級(jí)了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目標(biāo)函數(shù)，經(jīng)過(guò)了 1.4T 中英標(biāo)識(shí)符的預(yù)訓(xùn)練與人類偏好對(duì)齊訓(xùn)練，評(píng)測(cè)結(jié)果顯示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%） 、BBH（+60%）等數(shù)據(jù)集上的性能取得了大幅度的提升，在同尺寸開(kāi)源模型中具有較強(qiáng)的競(jìng)爭(zhēng)力。

更長(zhǎng)的上下文：基于 FlashAttention 技術(shù)，項(xiàng)目團(tuán)隊(duì)將基座模型的上下文長(zhǎng)度（Context Length）由 ChatGLM-6B 的 2K 擴(kuò)展到了 32K，并在對(duì)話階段使用 8K 的上下文長(zhǎng)度訓(xùn)練，允許更多輪次的對(duì)話。但當(dāng)前版本的 ChatGLM2-6B 對(duì)單輪超長(zhǎng)文檔的理解能力有限，我們會(huì)在后續(xù)迭代升級(jí)中著重進(jìn)行優(yōu)化。

更高效的推理：基于 Multi-Query Attention 技術(shù)，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(shí)現(xiàn)下，推理速度相比初代提升了 42%，INT4 量化下，6G 顯存支持的對(duì)話長(zhǎng)度由 1K 提升到了 8K。

更開(kāi)放的協(xié)議：ChatGLM2-6B 權(quán)重對(duì)學(xué)術(shù)研究完全開(kāi)放，在獲得官方的書(shū)面許可后，亦允許商業(yè)使用。

評(píng)測(cè)結(jié)果

以下為 ChatGLM2-6B 模型在 MMLU (英文)、C-Eval（中文）、GSM8K（數(shù)學(xué)）、BBH（英文） 上的測(cè)評(píng)結(jié)果。

推理性能

ChatGLM2-6B 使用了 Multi-Query Attention，提高了生成速度。生成 2000 個(gè)字符的平均速度對(duì)比如下

Multi-Query Attention 同時(shí)也降低了生成過(guò)程中 KV Cache 的顯存占用，此外，ChatGLM2-6B 采用 Causal Mask 進(jìn)行對(duì)話訓(xùn)練，連續(xù)對(duì)話時(shí)可復(fù)用前面輪次的 KV Cache，進(jìn)一步優(yōu)化了顯存占用。因此，使用 6GB 顯存的顯卡進(jìn)行 INT4 量化的推理時(shí)，初代的 ChatGLM-6B 模型最多能夠生成 1119 個(gè)字符就會(huì)提示顯存耗盡，而 ChatGLM2-6B 能夠生成至少 8192 個(gè)字符。

項(xiàng)目團(tuán)隊(duì)也測(cè)試了量化對(duì)模型性能的影響。結(jié)果表明，量化對(duì)模型性能的影響在可接受范圍內(nèi)。

示例對(duì)比

相比于初代模型，ChatGLM2-6B 多個(gè)維度的能力都取得了提升，以下是一些對(duì)比示例。 數(shù)理邏輯

知識(shí)推理

長(zhǎng)文檔理解