阿里刚开源32B大模型,我们立马测试了“弱智吧”

人工智能 开源
自打大模型火爆以来,“弱智吧”就一直成了检测大模型逻辑能力的标准之一,江湖戏称为“弱智吧Benchmark”。而且就在前几天,“弱智吧”还登上正经AI论文,成了最好的中文训练数据,引发了一波不小的热议。

阿里的通义千问(Qwen),终于拼齐了1.5系列的最后一块拼图——

正式开源Qwen 1.5-32B。

图片

话不多说,直接来看“成绩单”。

这次官方pick同台竞技的“选手”是Mixtral 8x7B模型和同为Qwen 1.5系列的72B模型。

从结果上来看,Qwen 1.5-32B已经在多项评测标准中超越或追平Mixtral 8x7B:

图片

并且即便是在与自家更大参数模型PK过程中,Qwen 1.5-32B也用“以小博大”的姿势展现出了较好的性能。

用通义千问团队成员的话来说就是:

这个模型显示出了与72B模型相当的性能,特别是在语言理解、多语言支持、编码和数学能力等方面。

在推理和部署过程中,成本还会更加友好。

图片

不仅如此,即便是再拉来其它体量相当的大模型“选手”,Qwen 1.5-32B在多项评测中的成绩依旧较为亮眼:

图片

除此之外,团队还做了一项比较有意思的测试——长文本评估任务,“大海捞针”。

简单来说,这项任务就是将一个与文本无关的句子(“针”)隐藏在大量的文本(“大海”)中,然后通过自然语言提问的方式,观察AI能否准确提取出这个隐藏的句子。

从结果上来看,Qwen 1.5-32B在32k tokens的上下文中性能表现良好。

图片

不过有一说一,刚才所展示的也还仅是Qwen 1.5-32B在评分上的成绩,至于具体到实际体验过程中,效果又会如何呢?

大战一波“弱智吧”

自打大模型火爆以来,“弱智吧”就一直成了检测大模型逻辑能力的标准之一,江湖戏称为“弱智吧Benchmark”。

(“弱智吧”源自百度贴吧,是一个充满荒谬、离奇、不合常理发言的中文社区。)

图片

而且就在前几天,“弱智吧”还登上正经AI论文,成了最好的中文训练数据,引发了一波不小的热议。

这项研究正是来自中科院深圳先进技术研究院、中科院自动化研究所,滑铁卢大学等众多高校、研究机构联合团队。

图片

刚好此次Qwen 1.5-32B在开源的同时,也一并放出了在线体验的demo,那么当它俩碰到一起,会擦出怎样的火花?

请听第一题:

我爸妈结婚为什么不邀请我?

图片

Qwen 1.5-32B很准确地回答出了“你的父母在结婚时你尚未出生,因此他们无法邀请你参加他们的婚礼”。

继续第二题:

为什么睡觉过夜的地方叫酒店,喝酒的地方叫夜店?

图片

面对这道很经典的问题,Qwen 1.5-32B也能做到追根溯源地做正经科普。

再来第三道和第四道:

高中如果想提高升学率,为什么不直接招大学生?

网吧能上网,弱智吧为什么不能上弱智?

图片

图片

不难看出,Qwen 1.5-32B都能够给出准确的答案。

尤其是在第四道问题上,它甚至直接指出了逻辑性的问题:

问题似乎不太恰当或者存在误解。

嗯,Qwen 1.5-32B是一个经住了“弱智吧Benchmark”的大模型。

至于其它关于常识、数学、编程等能力的效果,家人们可以亲自去体验一番了。

如何做到的?

正如我们刚才所述,Qwen 1.5-32B在技术架构上与此前版本并无太大的区别,亮点就是引入了GQA(Grouped Query Attention,分组查询注意力)这个技术。

这也正是它能够在相对较小的体量之下,能够做到性能较优且快速部署的关键。

GQA是一种在自然语言处理中使用的 Transformer 架构中的一种机制,它通过将查询序列分组为多个子序列来提高 Transformer 模型的计算效率。

这种方法可以有效地减少计算复杂度,同时保留 Transformer 模型的表示能力。

图片

具体而言,GQA是通过将查询分组并在组内计算它们的注意力,来混合 Multi-Query Attention (MQA) 的速度与 Multi-Head Attention (MHA) 的质量。

GQA 通过将查询头分为组,每个组共享单个键头和值头,来实现这一点,从而在质量和速度之间取得平衡。

如此一来,GQA的引入就降低了注意力计算的数量,从而加速了推理时间。

图片

最后,奉上Qwen 1.5-32B在HuggingFace的体验入口,感兴趣的朋友可以去体验啦~

参考链接:
[1]https://qwenlm.github.io/zh/blog/qwen1.5-32b/。
[2]https://huggingface.co/spaces/Qwen/Qwen1.5-32B-Chat-demo。
[3]https://github.com/QwenLM/Qwen1.5。
[4]https://klu.ai/glossary/grouped-query-attention。

责任编辑:姜华 来源: 量子位
相关推荐

2024-04-10 08:15:17

模型语言模型GPT

2023-06-12 16:04:52

谷歌音乐

2017-11-22 15:13:20

集成测试自动化测试契约测试

2024-04-25 09:41:24

项目模型

2023-08-11 16:17:55

2024-04-02 09:17:50

AI数据开源

2024-04-15 13:51:03

模型LLMLLMs

2023-08-28 00:50:14

模型开源

2024-03-18 13:21:13

2012-02-27 15:56:14

javascript

2023-04-07 14:01:18

ChatGPT人工智能

2023-08-03 19:11:45

2023-07-01 13:27:55

2023-09-12 13:43:00

智能技术

2015-09-15 09:24:55

2024-03-25 00:05:00

开源模型AI

2024-04-08 13:29:52

2024-03-11 00:09:00

模型融合场景

2024-05-09 08:33:33

点赞
收藏

51CTO技术栈公众号