一夕之間，世界最強開源大模式Falcon 180B引爆全網！
1800億參數，Falcon在3.5兆token完成訓練，直接登上Hugging Face排行榜。
基準測試中，Falcon 180B在推理、編碼、熟練度和知識測試各種任務中，一舉擊敗Llama 2。
甚至，Falcon 180B能夠與GooglePaLM 2不差上下，效能直逼GPT-4。
不過，英偉達資深科學家Jim Fan對此表示質疑，
#- Falcon-180B的訓練資料中，程式碼只佔5%。
而程式碼是迄今為止對提升推理能力、掌握工具使用和增強AI智能體最有用的資料。事實上，GPT-3.5是在Codex的基礎上微調的。
- 沒有編碼基準。
沒有程式碼能力，就不能宣稱「優於GPT-3.5」或「接近GPT-4」。它本應是預訓練配方中不可或缺的一部分，而不是事後的微調。
- 對於參數大於30B的語言模型，是時候採用混合專家系統（MoE）了。 到目前為止，我們只看到OSS MoE LLM
一起來看看，Falcon 180B究竟是什麼來頭？
之前，Falcon已經推出了三種模型大小，分別是1.3B、7.5B、40B。
官方介紹，Falcon 180B是40B的升級版本，由阿布達比的全球領先技術研究中心TII推出，可免費商用。
這次，研究人員在基底模型上技術上進行了創新，例如利用Multi-Query Attention等來提高模型的可擴展性。
對於訓練過程，Falcon 180B基於亞馬遜雲端機器學習平台Amazon SageMaker，在多達4096個GPU上完成了對3.5萬億token的訓練。
總GPU計算時，大約7,000,000個。
Falcon 180B的參數規模是Llama 2（70B）的2.5倍，而訓練所需的計算量是Llama 2的4倍。
特定訓練資料中，Falcon 180B主要是RefinedWe資料集（約佔85%） 。
此外，它還在對話、技術論文，以及一小部分程式碼等經過整理的混合資料的基礎上進行了訓練。
這個預訓練資料集夠大，即使是3.5兆個token也只佔不到一個epoch。
官方自稱，Falcon 180B是目前「最好」的開源大模型，具體表現如下：
在MMLU基準上，Falcon 180B的效能超過了Llama 2 70B和GPT-3.5。
在HellaSwag、LAMBADA、WebQuestions、Winogrande、PIQA、ARC、BoolQ、CB、COPA、RTE、WiC、WSC 及ReCoRD上，與Google的PaLM 2-Large不相上下。
另外，它在Hugging Face開源大模型榜單上，是目前評分最高（68.74分）的開放式大模型，超越了LlaMA 2（67.35）。
同時，研究人員也發布了聊天對話模型Falcon-180B-Chat。該模型在對話和指令資料集上進行了微調，資料集涵蓋了Open-Platypus、UltraChat和Airoboros。
現在，每個人都可以進行demo體驗。
網址：https://huggingface.co/tiiuae/falcon-180B-chat
基礎模型沒有Prompt格式，因為它並不是對話型大模型，也不是透過指令進行的訓練，所以它並不會以對話形式回應。
預訓練模型是微調的絕佳平台，但或許你不該直接使用。其對話模型則設有簡單的對話模式。
System: Add an optional system prompt hereUser: This is the user inputFalcon: This is what the model generatesUser: This might be a second turn inputFalcon: and so on
從Transfomers 4.33開始，Falcon 180B可以在Hugging Face生態中使用和下載。
確保已登入Hugging Face帳號，並安裝了最新版本的transformers:
pip install --upgrade transformershuggingface-cli login
bfloat16
#以下是如何在bfloat16 中使用基礎模型的方法。 Falcon 180B是一個大模型，所以請注意它的硬體需求。
對此，硬體需求如下：
可以看出，若想對Falcon 180B進行全面微調，至少需要8X8X A100 80G，如果僅是推理的話，也得需要8XA100 80G的GPU。
from transformers import AutoTokenizer, AutoModelForCausalLMimport transformersimport torchmodel_id = "tiiuae/falcon-180B"tokenizer = AutoTokenizer.from_pretrained(model_id)model = AutoModelForCausalLM.from_pretrained(model_id,torch_dtype=torch.bfloat16,device_map="auto",)prompt = "My name is Pedro, I live in"inputs = tokenizer(prompt, return_tensors="pt").to("cuda")output = model.generate(input_ids=inputs["input_ids"],attention_mask=inputs["attention_mask"],do_sample=True,temperature=0.6,top_p=0.9,max_new_tokens=50,)output = output[0].to("cpu")print(tokenizer.decode(output)可能會產生以下輸出結果:
My name is Pedro, I live in Portugal and I am 25 years old. I am a graphic designer, but I am also passionate about photography and video.I love to travel and I am always looking for new adventures. I love to meet new people and explore new places.
使用8位元和4位元的bitsandbytes
此外，Falcon 180B的8位元和4位元量化版本在評估方面與bfloat16幾乎沒有差別！
這對推理來說是個好消息，因為使用者可以放心地使用量化版本來降低硬體需求。
注意，在8位元版本進行推理要比4位元版本快得多。要使用量化，你需要安裝「bitsandbytes」函式庫，並在載入模型時啟用對應的標誌:
model = AutoModelForCausalLM.from_pretrained(model_id,torch_dtype=torch.bfloat16,**load_in_8bit=True,**device_map="auto",)
對話模型
如上所述，為追蹤對話而微調的模型版本，使用了非常直接的訓練模板。我們必須遵循同樣的模式才能運行聊天式推理。
作為參考，你可以看看聊天示範中的[format_prompt] 函數:
def format_prompt(message, history, system_prompt):prompt = ""if system_prompt:prompt += f"System: {system_prompt}\n"for user_prompt, bot_response in history:prompt += f"User: {user_prompt}\n"prompt += f"Falcon: {bot_response}\n"prompt += f"User: {message}\nFalcon:"return prompt一位新創公司的CEO表示，我測試了Falcon-180B對話機器人，它並不比Llama2-70B聊天系統好。 HF OpenLLM排行榜也顯示了好壞參半的結果。考慮到它的規模更大，訓練集也更多，這種情況令人驚訝。
舉個栗子：
給一些條目，讓Falcon-180B和Llama2-70B分別回答，看看效果如何？
Falcon-180B誤將馬鞍算作動物。而Llama2-70B回答簡潔，也給了正確答案。
以上是1800億參數，世界頂級開源大模型Falcon官宣！碾壓LLaMA 2，性能直逼GPT-4的詳細內容。更多資訊請關注PHP中文網其他相關文章！
