昆侖萬(wàn)維宣布開(kāi)源“天工”Skywork-13B系列大模型

　　10月30日，昆侖萬(wàn)維宣布開(kāi)源百億級(jí)大語(yǔ)言模型「天工」Skywork-13B系列，并罕見(jiàn)地配套開(kāi)源了600GB、150B Tokens的超大高質(zhì)量開(kāi)源中文數(shù)據(jù)集。

　　昆侖萬(wàn)維「天工」Skywork-13B系列目前包括130億參數(shù)的兩大模型：Skywork-13B-Base模型、Skywork-13B-Math模型，它們?cè)贑EVAL, GSM8K等多個(gè)權(quán)威評(píng)測(cè)與基準(zhǔn)測(cè)試上都展現(xiàn)了同等規(guī)模模型的最佳效果，其中文能力尤為出色，在中文科技、金融、政務(wù)等領(lǐng)域表現(xiàn)均高于其他開(kāi)源模型。

　　除模型開(kāi)源外，Skywork-13B系列大模型還將開(kāi)源600GB、150B Tokens的高質(zhì)量中文語(yǔ)料數(shù)據(jù)集Skypile/Chinese-Web-Text-150B，這是目前最大的開(kāi)源中文數(shù)據(jù)集之一。

　　同時(shí)，昆侖萬(wàn)維「天工」Skywork-13B系列大模型即將全面開(kāi)放商用——開(kāi)發(fā)者無(wú)需申請(qǐng)，即可商用。

　　130億參數(shù)、兩大模型、最大中文數(shù)據(jù)集之一、全面開(kāi)放商用。昆侖萬(wàn)維「天工」Skywork-13B系列大模型堪稱(chēng)業(yè)內(nèi)開(kāi)源最徹底的百億高質(zhì)量商用模型。

　　Skywork-13B系列大模型的開(kāi)源將為大模型的場(chǎng)景應(yīng)用和開(kāi)源社區(qū)發(fā)展提供最佳技術(shù)支持，降低大模型商業(yè)門(mén)檻，推動(dòng)人工智能技術(shù)落地千行百業(yè)，為人工智能生態(tài)建設(shè)添磚加瓦，攜手開(kāi)源社區(qū)探索未知世界、創(chuàng)造美好未來(lái)。

　　兩大模型 領(lǐng)先行業(yè)

　　昆侖萬(wàn)維「天工」Skywork-13B系列包括兩大模型及150B高質(zhì)量中文數(shù)據(jù)集。

　　Skywork-13B-Base模型是Skywork-13B的基礎(chǔ)模型，其經(jīng)由3.2萬(wàn)億個(gè)多語(yǔ)言高質(zhì)量數(shù)據(jù)訓(xùn)練，在CEVAL, CMMLU, MMLU, GSM8K等評(píng)測(cè)與基準(zhǔn)測(cè)試上都展現(xiàn)了同等規(guī)模模型的最佳效果。

　　Skywork-13B-Math模型經(jīng)過(guò)專(zhuān)門(mén)的數(shù)學(xué)能力強(qiáng)化訓(xùn)練，在GSM8K等數(shù)據(jù)集上取得了同等規(guī)模模型的最佳效果。

　　Skypile/Chinese-Web-Text-150B數(shù)據(jù)集。該數(shù)據(jù)集是根據(jù)我們經(jīng)過(guò)精心過(guò)濾的數(shù)據(jù)處理流程從中文網(wǎng)頁(yè)中篩選出的高質(zhì)量數(shù)據(jù)。本次開(kāi)源的數(shù)據(jù)集大小約為600GB，總token數(shù)量約為(1500億)，是目前最大得開(kāi)源中文數(shù)據(jù)集之一。

　　除此之外，Skywork-13B系列還公開(kāi)了模型中使用的評(píng)估方法、數(shù)據(jù)配比研究和訓(xùn)練基礎(chǔ)設(shè)施調(diào)優(yōu)方案等。希望這些開(kāi)源內(nèi)容能夠進(jìn)一步啟發(fā)社區(qū)對(duì)于大型模型預(yù)訓(xùn)練的認(rèn)知，并推動(dòng)人工智能通用智能(AGI)的實(shí)現(xiàn)。

　　五大特點(diǎn) 全面超越

　　昆侖萬(wàn)維「天工」Skywork-13B系列大模型在CEVAL, GSM8K等多個(gè)權(quán)威評(píng)測(cè)與基準(zhǔn)測(cè)試上都展現(xiàn)了同等規(guī)模模型的最佳效果，其中文能力尤為出色，在中文科技、金融、政務(wù)等領(lǐng)域表現(xiàn)均高于其他開(kāi)源模型。

　　Skywork-13B系列模型的五大特點(diǎn)：

　　最強(qiáng)參數(shù)表現(xiàn)：全面超越同等規(guī)模大模型

　　本次開(kāi)源的Skywork-13B系列模型在CEVAL, CMMLU, MMLU, GSM8K等幾大權(quán)威評(píng)估基準(zhǔn)中全面超越LLaMA2-13B等開(kāi)源大模型，在同等規(guī)模大模型間取得最佳效果。(截止至10月25日數(shù)據(jù))

　　最多訓(xùn)練數(shù)據(jù)：3.2T高質(zhì)量的多語(yǔ)言訓(xùn)練數(shù)據(jù)

　　Skywork-13B系列大模型擁有130億參數(shù)、3.2萬(wàn)億高質(zhì)量多語(yǔ)言訓(xùn)練數(shù)據(jù)。模型的生成能力、創(chuàng)作能力和數(shù)學(xué)推理能力提升明顯。

　　最強(qiáng)中文語(yǔ)言建模能力：中文語(yǔ)言建模困惑度評(píng)測(cè)，超越所有中文開(kāi)源模型

　　Skywork-13B系列大模型在中文語(yǔ)言建模方面表現(xiàn)出色，具有優(yōu)秀的中文文創(chuàng)能力。在中文文本創(chuàng)作領(lǐng)域的評(píng)測(cè)中，Skywork-13B系列大模型展現(xiàn)出了卓越的能力，尤其在科技、金融、政務(wù)、企業(yè)服務(wù)、文創(chuàng)、游戲等領(lǐng)域均表現(xiàn)高于業(yè)內(nèi)其他開(kāi)源模型。

　　上圖為不同領(lǐng)域數(shù)據(jù)下評(píng)估模型的困惑度，越低代表模型在該領(lǐng)域建模能力越強(qiáng)。結(jié)果顯示天工13B在技術(shù)文章，電影，政務(wù)報(bào)告，游戲，金融，通用領(lǐng)域均表現(xiàn)出色

　　最大中文開(kāi)源數(shù)據(jù)集之一：150B Tokens高質(zhì)量中文語(yǔ)料

　　Skywork-13B系列將配套開(kāi)源600GB、150B Tokens的高質(zhì)量中文語(yǔ)料數(shù)據(jù)集Skypile/Chinese-Web-Text-150B，這是目前最大的開(kāi)源中文數(shù)據(jù)集之一。開(kāi)發(fā)者可以最大程度地借鑒技術(shù)報(bào)告中大模型預(yù)訓(xùn)練的過(guò)程和經(jīng)驗(yàn)，深度定制模型參數(shù)，有針對(duì)性的進(jìn)行訓(xùn)練與優(yōu)化。

　　最有誠(chéng)意的開(kāi)源商用：無(wú)需申請(qǐng)，即可實(shí)現(xiàn)商用

　　目前開(kāi)源社區(qū)中的中文大模型多數(shù)并非是完全可商用，一般開(kāi)源社區(qū)用戶通常需要進(jìn)行復(fù)雜的商用授權(quán)申請(qǐng)流程，在某些情況，甚至有對(duì)公司規(guī)模、所在行業(yè)、用戶數(shù)等維度有明確規(guī)定不給予商業(yè)授權(quán)。

　　昆侖萬(wàn)維對(duì)Skywork-13B系列開(kāi)源的開(kāi)放性和可商用性高度重視，將授權(quán)流程做到極簡(jiǎn)，取消對(duì)行業(yè)、公司規(guī)模、用戶等方面的限制，目的是幫助更多對(duì)中文大模型感興趣的用戶和企業(yè)在行業(yè)中不斷探索和進(jìn)步。

　　此次Skywork-13B系列大模型將全面開(kāi)放商用許可，用戶在下載模型并同意并遵守《Skywork模型社區(qū)許可協(xié)議》后，無(wú)需再次申請(qǐng)授權(quán)即可將大模型進(jìn)行商業(yè)用途。希望用戶能夠更便捷地探索Skywork-13B系列大模型技術(shù)能力，探索在不同場(chǎng)景下的商業(yè)化應(yīng)用。