混合专家模型57b
2,369 次拖动 11天前更新
2周前更新
2周前
c4e34a5f6916 · 22GB
阅读文件
Qwen2-57B-A14B-Instruct
简介
Qwen2是Qwen大型语言模型的新系列。对于Qwen2,我们发布了一系列从0.5亿到720亿参数的基础语言模型和指令微调语言模型,包括混合专家模型。此存储库包含指令微调的57B-A14B混合专家Qwen2模型。
与最先进的开源语言模型,包括先前发布的Qwen1.5相比,Qwen2在大多数开源模型上普遍有所超越,并在一系列基准测试中展现出与专有模型的竞争力,这些基准测试针对语言理解、语言生成、多语言能力、编码、数学、推理等。
Qwen2-57B-A14B-Instruct支持的最大上下文长度为65,536个token,能够处理大量的输入。有关如何部署Qwen2处理长文本的详细说明,请参阅本节。
模型详细信息
Qwen2是一个包含不同模型大小解码器语言模型的系列。对于每个尺寸,我们发布基础语言模型和匹配聊天模型。它基于SwiGLU激活、QKV偏差、组查询注意力等Transformer架构。此外,我们还有一个改进的标记器,可以适应多种自然语言和代码。
训练详情
我们使用大量数据进行模型预训练,并通过监督微调和直接偏好优化进行后期微调。
要求
Qwen2MoE 的代码已加入最新的 Hugging face transformers。我们建议您安装 transformers>=4.40.0
,否则可能会遇到以下错误。
KeyError: 'qwen2_moe'
快速入门
以下提供了一个使用 apply_chat_template
的代码片段,展示了如何加载分词器和模型以及如何生成内容。
from transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda" # the device to load the model onto
model = AutoModelForCausalLM.from_pretrained(
"Qwen/Qwen2-57B-A14B-Instruct",
torch_dtype="auto",
device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen2-57B-A14B-Instruct")
prompt = "Give me a short introduction to large language model."
messages = [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)
generated_ids = model.generate(
model_inputs.input_ids,
max_new_tokens=512
)
generated_ids = [
output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
处理长文本
为了处理超过 32,768 个标记的较大输入,我们使用了 YARN 技术,这是一种增强模型长度外推的技术,确保在长文本上的最佳性能。
对于部署,我们建议使用 vLLM。您可以通过以下步骤启用长上下文功能
安装 vLLM:确保您已经从 vLLM 的主分支安装了最新版本。
配置模型设置:下载模型权重后,通过包含以下片段修改
config.json
文件{ "architectures": [ "Qwen2MoeForCausalLM" ], // ... "vocab_size": 152064, // adding the following snippets "rope_scaling": { "factor": 2.0, "original_max_position_embeddings": 32768, "type": "yarn" } }
此片段使 YARN 支持更长的上下文。
模型部署:利用 vLLM 部署您的模型。例如,您可以使用以下命令设置类似 openAI 的服务器:
python -m vllm.entrypoints.openai.api_server --served-model-name Qwen2-57B-A14B-Instruct --model path/to/weights
然后您可以通过以下方式访问 Chat API:
curl https://127.0.0.1:8000/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "Qwen2-57B-A14B-Instruct", "messages": [ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Your Long Input Here."} ] }'
有关 vLLM 的进一步使用说明,请参阅我们的 Github。
注意:目前,vLLM 仅支持静态 YARN,这意味着缩放因子在输入长度变化时保持不变,可能会影响短文本的性能。建议仅在需要处理长上下文时添加 rope_scaling
配置。
评估
我们简要比较了 Qwen2-57B-A14B-Instruct 与相似规模的指令性 LLM,包括 Qwen1.5-32B-Chat。结果如下所示
数据集 | Mixtral-8x7B-Instruct-v0.1 | Yi-1.5-34B-Chat | Qwen1.5-32B-Chat | Qwen2-57B-A14B-Instruct |
---|---|---|---|---|
架构 | MoE | 密集型 | 密集型 | MoE |
激活参数数量 | 12B | 34B | 32B | 14B |
参数数量 | 47B | 34B | 32B | 57B |
英语 | ||||
MMLU | 71.4 | 76.8 | 74.8 | 75.4 |
MMLU-Pro | 43.3 | 52.3 | 46.4 | 52.8 |
GPQA | - | - | 30.8 | 34.3 |
TheroemQA | - | - | 30.9 | 33.1 |
MT-Bench | 8.30 | 8.50 | 8.30 | 8.55 |
编码 | ||||
HumanEval | 45.1 | 75.2 | 68.3 | 79.9 |
MBPP | 59.5 | 74.6 | 67.9 | 70.9 |
MultiPL-E | - | - | 50.7 | 66.4 |
EvalPlus | 48.5 | - | 63.6 | 71.6 |
LiveCodeBench | 12.3 | - | 15.2 | 25.5 |
数学 | ||||
GSM8K | 65.7 | 90.2 | 83.6 | 79.6 |
MATH | 30.7 | 50.1 | 42.4 | 49.1 |
中文 | ||||
C-Eval | - | - | 76.7 | 80.5 |
AlignBench | 5.70 | 7.20 | 7.19 | 7.36 |
引用
如果我们的工作对您有帮助,请随时引用我们。
@article{qwen2,
title={Qwen2 Technical Report},
year={2024}
}