邢波團(tuán)隊(duì)提出全開(kāi)源倡議LLM360 讓大模型實(shí)現(xiàn)真正的透明

　　開(kāi)源模型在人工智能領(lǐng)域展現(xiàn)強(qiáng)大活力，但閉源策略限制了LLM(大型語(yǔ)言模型)的發(fā)展。邢波團(tuán)隊(duì)提出的LLM360全面開(kāi)源倡議旨在解決這一問(wèn)題。該框架明確了包括訓(xùn)練數(shù)據(jù)、代碼、模型檢查點(diǎn)和性能指標(biāo)在內(nèi)的各方面細(xì)節(jié)，為當(dāng)前和未來(lái)的開(kāi)源模型樹(shù)立了透明度的樣本。

　　LLM360的核心組成部分包括訓(xùn)練數(shù)據(jù)集、訓(xùn)練代碼與配置、模型檢查點(diǎn)以及性能指標(biāo)。這一全方位的開(kāi)源使得研究者可以更好地在社區(qū)中分享與流通，推動(dòng)人工智能領(lǐng)域的開(kāi)放合作研究。同時(shí)，LLM360框架下發(fā)布的AMBER和CRYSTALCODER是兩個(gè)從頭開(kāi)始預(yù)訓(xùn)練的大型語(yǔ)言模型，為研究者提供了開(kāi)發(fā)經(jīng)驗(yàn)和性能評(píng)估結(jié)果。

　　AMBER是基于1.3T token進(jìn)行預(yù)訓(xùn)練的7B英語(yǔ)語(yǔ)言模型，性能相對(duì)較強(qiáng)。而CRYSTALCODER是基于1.4T token訓(xùn)練的7B語(yǔ)言模型，在語(yǔ)言和代碼任務(wù)之間取得了很好的平衡。這兩個(gè)模型的開(kāi)源不僅提供了性能評(píng)估結(jié)果，還為整個(gè)LLM領(lǐng)域的研究提供了實(shí)質(zhì)性的經(jīng)驗(yàn)和教訓(xùn)。

　　總體而言，LLM360的提出為大型語(yǔ)言模型的透明訓(xùn)練提供了一個(gè)標(biāo)準(zhǔn)，推動(dòng)了開(kāi)源模型的發(fā)展，加速了人工智能領(lǐng)域的進(jìn)步。這一全面開(kāi)源的趨勢(shì)有望促進(jìn)更多研究者的參與與合作，推動(dòng)人工智能技術(shù)的不斷創(chuàng)新。