云知聲千億參數(shù)山海大模型首次亮相

8月28日，山海大模型迎來又一次迭代升級，當(dāng)前版本參數(shù)規(guī)模達(dá)到千億，實現(xiàn)了多學(xué)科能力、醫(yī)療能力雙提升，實測性能在C-Eval全球大模型綜合性評測中超越GPT-4，以平均分70分的成績進(jìn)入前三甲。

能力突破，持續(xù)領(lǐng)跑行業(yè)

多學(xué)科能力增強

本次山海大模型2.0版參數(shù)規(guī)模達(dá)到千億，增加了更多的學(xué)科類的預(yù)訓(xùn)練語料，訓(xùn)練數(shù)據(jù)（Tokens）達(dá)到兩萬億（2.0T）。

在本次模型升級過程中，山海團(tuán)隊充分利用了教材、文獻(xiàn)、百科類語料的價值，這些語料包含了人類對客觀世界知識的豐富理解、詳盡解釋以及在各個領(lǐng)域的深入研究所得到的科學(xué)結(jié)論。不同的學(xué)科領(lǐng)域的數(shù)據(jù)涵蓋了各自學(xué)科的專業(yè)知識，這在一定程度上彌補了第一版山海大模型在某些專業(yè)領(lǐng)域的知識盲區(qū)。

為了使模型能更科學(xué)合理地汲取這些不同領(lǐng)域和來源的數(shù)據(jù)中的知識，山海大模型團(tuán)隊使用了DoReMi方法對數(shù)據(jù)進(jìn)行了優(yōu)化權(quán)重采樣。通過這種策略，可以在較大范圍內(nèi)均勻并深入地提取各類信息。這一策略使得山海團(tuán)隊在本次模型升級過程中，能更有效地吸取和運用各種知識，使模型的知識庫更加全面。

醫(yī)療能力再升級

云知聲深耕醫(yī)學(xué)領(lǐng)域多年，山海大模型2.0在預(yù)訓(xùn)練階段使用了海量的醫(yī)學(xué)病歷、醫(yī)學(xué)教材、臨床指南和醫(yī)學(xué)文獻(xiàn)等數(shù)據(jù)，并在對齊階段使用了人機結(jié)合方法構(gòu)建的近百萬級的病歷理解、醫(yī)學(xué)考試和醫(yī)學(xué)知識問答等指令學(xué)習(xí)數(shù)據(jù)。C-Eval中醫(yī)療學(xué)科的結(jié)果表明，山海大模型2.0在基礎(chǔ)醫(yī)學(xué)、臨床醫(yī)學(xué)和醫(yī)師資格數(shù)據(jù)集上都能獲得接近90分的水平，為業(yè)內(nèi)最高。

云知聲山海大模型團(tuán)隊參加了剛剛在沈陽結(jié)束的CCKS2023-PromptCBLUE評測，該評測是當(dāng)前最權(quán)威的中文醫(yī)療大模型的評測榜單，我們同樣也取得了第一名的成績，再次證明了山海大模型專業(yè)的醫(yī)學(xué)能力。

技術(shù)升級，性能加速提升

窗口長度大幅度擴(kuò)展

山海團(tuán)隊發(fā)現(xiàn)，在運用位置插值（PositionInterpolation）方法進(jìn)行大幅度擴(kuò)展時——比如將窗口從4k擴(kuò)展到32k——其性能會顯著受到影響。這種影響主要體現(xiàn)在短距離情況下的使用。為了更好地解釋這一點，假設(shè)原始數(shù)據(jù)中距離為1的兩個token，當(dāng)我們將數(shù)據(jù)從4k擴(kuò)展到32k時，這兩個token之間的距離實際上變成了1/8。這就意味著，在進(jìn)行位置插值的過程中，原本距離很近的兩個token之間的距離被大比例地拉遠(yuǎn)了。這種場景下，衰減規(guī)律在短距離的使用會受到較大的影響，這是因為衰減規(guī)律在短距離時可能具有非常突出的變化率，意味著原本應(yīng)該很近的兩個token在大規(guī)模擴(kuò)展之后，它們之間的關(guān)聯(lián)性會大幅度減小。因此，直接進(jìn)行位置插值的方法會使得窗口大幅度擴(kuò)展后的性能較大程度地降低。發(fā)現(xiàn)RoPE位置編碼短距離之間的差異，主要體現(xiàn)在高頻分量上，長距離之間的差異，主要體現(xiàn)在低頻分量上。山海大模型2.0版根據(jù)神經(jīng)正切核的思想，采用Neural Tangent Kernel (NTK)的非線性差值方法，實現(xiàn)高頻外推、低頻內(nèi)插的大規(guī)模長度擴(kuò)展。采用NTK擴(kuò)展后模型能夠更好的支持文本窗口擴(kuò)展，當(dāng)前山海大模型2.0版本已經(jīng)支持32K的窗口長度。

受限解碼支持業(yè)務(wù)落地

在大多數(shù)行業(yè)中，對大模型的并發(fā)使用和響應(yīng)時間有很高的要求。這要求我們在保證大模型算法效果的基礎(chǔ)上，更需要深思其推理速度。本次山海大模型2.0基于落地場景需要，設(shè)計了受限解碼方法，在解碼過程中不需要計算整個詞表的概率，只需關(guān)注落地場景下關(guān)注的token，極大地提高了解碼效率。如圖所示，利用受限解碼方法，生成token“今”后面只需考慮token“夕”和“天”的概率，而不需要完成整個詞表概率分布的計算。

作為中國AGI技術(shù)產(chǎn)業(yè)化的先驅(qū)之一，云知聲于2016年開始打造Atlas人工智能基礎(chǔ)設(shè)施，并以此為基礎(chǔ)，構(gòu)建云知大腦(UniBrain)技術(shù)中臺——以山海（UniGPT）通用認(rèn)知大模型為核心，結(jié)合多模態(tài)感知與生成、知識圖譜、物聯(lián)平臺等智能組件，為云知聲智慧物聯(lián)、智慧醫(yī)療等業(yè)務(wù)提供高效的產(chǎn)品化支撐，持續(xù)推動“U(云知大腦)+X(應(yīng)用場景)”戰(zhàn)略布局，踐行“通過通用人工智能(AGI)創(chuàng)建互聯(lián)直覺的世界”的公司使命。

云知聲：通過通用人工智能(AGI)創(chuàng)建互聯(lián)直覺的世界

云知聲AI技術(shù)體系及U+X戰(zhàn)略

山海大模型作為云知大腦的核心，能力體系涵蓋語言生成、語言理解、知識問答、 邏輯推理、代碼能力、數(shù)學(xué)能力等。此外，為提高大模型在具體場景的應(yīng)用落地水平，山海大模型在通用能力基礎(chǔ)上，增強物聯(lián)、醫(yī)療等行業(yè)能力，致力為客戶提供更智能、更靈活的解決方案，加速千行百業(yè)的智慧化升級。

自5月24日發(fā)布以來，山海大模型始終保持高速演進(jìn)，不斷拓展大模型場景應(yīng)用邊界——

6月25日

山海大模型通過迭代實現(xiàn)了在特定領(lǐng)域內(nèi)的專業(yè)知識積累，詩詞創(chuàng)作能力、數(shù)學(xué)計算能力實現(xiàn)突破。其中，醫(yī)療能力在6月的MedQA任務(wù)上提升到了87.1%，超越Med-PaLM 2，臨床執(zhí)業(yè)醫(yī)師資格考試提升至523（總分600分），超過了99%的考生水平。

6月27日

北京市首批10個人工智能行業(yè)大模型應(yīng)用案例公布，由云知聲和北京友誼醫(yī)院共同開發(fā)的基于山海大模型的門診病歷生成系統(tǒng)示范應(yīng)用成功入選。

7月2日

憑借山海大模型卓越的研發(fā)和應(yīng)用成果，云知聲同時入選2023北京人工智能行業(yè)賦能典型案例、“北京市通用人工智能產(chǎn)業(yè)創(chuàng)新伙伴計劃”第二批成員名單。

7月6日-8日

云知聲攜山海大模型及最新場景應(yīng)用——基于山海大模型打造的智慧車載解決方案、智慧交通解決方案亮相2023 WAIC。

7月28日

山海大模型迎來新一輪迭代升級，并在本月的C-Eval全球大模型綜合性考試評測中取得了60分以上的優(yōu)異成績，成功躋身榜單前十。

8月27日

CCKS 2023現(xiàn)場公布系列評測任務(wù)結(jié)果，云知聲憑借基于山海大模型孵化的UNIGPT-MED 模型，在PromptCBLUE醫(yī)療大模型評測中奪得A、B榜雙榜冠軍。

云知聲希望，通過山海大模型的持續(xù)升級，不僅打造基礎(chǔ)能力更加強大的通用大模型，也進(jìn)一步融合不同垂直領(lǐng)域的專業(yè)知識，讓大模型更懂行業(yè)、更具專長，實現(xiàn)大模型應(yīng)用場景的加速拓展，讓大模型的產(chǎn)業(yè)價值在千行百業(yè)中綻放。

此次云知聲躋身C-Eval全球大模型綜合性考試評測前三甲，再一次印證了山海大模型的突出實力，也將持續(xù)推動云知聲AGI基礎(chǔ)設(shè)施能力的躍進(jìn)提升，加速人工智能技術(shù)的創(chuàng)新與應(yīng)用。未來，云知聲將以其強大的技術(shù)實力、不斷創(chuàng)新的科研能力以及對人工智能發(fā)展的深刻理解，不斷構(gòu)建長期競爭力和創(chuàng)新基石，持續(xù)探索AGI的無限可能。

附：C-Eval是由清華大學(xué)、上海交通大學(xué)和愛丁堡大學(xué)合作構(gòu)建的面向中文語言模型的綜合性考試評測集,包含13948道多項選擇題,涵蓋數(shù)學(xué)、物理、化學(xué)、生物、歷史、政治、計算機等52個不同學(xué)科和四個難度級別，是全球最具影響力的綜合性考試評測集之一。作為第三方發(fā)起的測試基準(zhǔn)， C-Eval以其客觀性、公正性備受業(yè)內(nèi)關(guān)注，也吸引了多家企業(yè)、機構(gòu)和高校的參與。

審核編輯：湯梓紅