GLM 技術(shù)團(tuán)隊宣布再次升級 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 300w。

截至 6 月 25 日，ChatGLM2 模型在主要評估 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源模型。

ChatGLM2-6B 是開源中英雙語對話模型 ChatGLM-6B 的第二代版本，在保留了初代模型對話流暢、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：

(資料圖片僅供參考)

更強大的性能：基于 ChatGLM 初代模型的開發(fā)經(jīng)驗，全面升級了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目標(biāo)函數(shù)，經(jīng)過了 1.4T 中英標(biāo)識符的預(yù)訓(xùn)練與人類偏好對齊訓(xùn)練，評測結(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，在同尺寸開源模型中具有較強的競爭力。 更長的上下文：基于 FlashAttention 技術(shù)，項目團(tuán)隊將基座模型的上下文長度（Context Length）由 ChatGLM-6B 的 2K 擴展到了 32K，并在對話階段使用 8K 的上下文長度訓(xùn)練，允許更多輪次的對話。但當(dāng)前版本的 ChatGLM2-6B 對單輪超長文檔的理解能力有限，我們會在后續(xù)迭代升級中著重進(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 顯存支持的對話長度由 1K 提升到了 8K。 更開放的協(xié)議：ChatGLM2-6B 權(quán)重對學(xué)術(shù)研究完全開放，在獲得官方的書面許可后，亦允許商業(yè)使用。

評測結(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） 上的測評結(jié)果。

推理性能

ChatGLM2-6B 使用了 Multi-Query Attention，提高了生成速度。生成 2000 個字符的平均速度對比如下

Multi-Query Attention 同時也降低了生成過程中 KV Cache 的顯存占用，此外，ChatGLM2-6B 采用 Causal Mask 進(jìn)行對話訓(xùn)練，連續(xù)對話時可復(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，初代的 ChatGLM-6B 模型最多能夠生成 1119 個字符就會提示顯存耗盡，而 ChatGLM2-6B 能夠生成至少 8192 個字符。

項目團(tuán)隊也測試了量化對模型性能的影響。結(jié)果表明，量化對模型性能的影響在可接受范圍內(nèi)。

示例對比

相比于初代模型，ChatGLM2-6B 多個維度的能力都取得了提升，以下是一些對比示例。

數(shù)理邏輯

知識推理

長文檔理解