百川智能發(fā)布超千億大模型Baichuan 3，中文評測超越GPT-4

2024年01月29日 14:01:29 來源：DoNews

　　1月29日消息，1月29日，百川智能發(fā)布超千億參數(shù)的大語言模型Baichuan 3。在多個權威通用能力評測如CMMLU、GAOKAO和AGI-Eval中，Baichuan 3都展現(xiàn)了出色的能力，尤其在中文任務上更是超越了GPT-4。

　　而在數(shù)學和代碼專項評測如MATH、HumanEval和MBPP中同樣表現(xiàn)出色，證明了Baichuan 3在自然語言處理和代碼生成領域的強大實力。

　　不僅如此，其在對邏輯推理能力及專業(yè)性要求極高的MCMLE、MedExam、CMExam等權威醫(yī)療評測上的中文效果同樣超過了GPT-4，是中文醫(yī)療任務表現(xiàn)最佳的大模型。

　　Baichuan 3還突破“迭代式強化學習”技術，進一步提升了語義理解和生成能力，在詩詞創(chuàng)作的格式、韻律、表意等方面表現(xiàn)優(yōu)異，領先于其他大模型。

　　基礎能力全面提升，多項權威評測中文任務成績超越GPT-4

　　Baichuan 3在多個英文評測中表現(xiàn)出色，達到接近GPT-4的水平。而在CMMLU、GAOKAO、HumanEval和MBPP等多個中文評測榜單上，更是超越GPT-4展現(xiàn)了其在中文任務上的優(yōu)勢。

　　此外，在MT-Bench、IFEval等對齊榜單的評測中，Baichuan 3超越了GPT-3.5、Claude等大模型，處于行業(yè)領先水平。

　　與百億、幾百億級別參數(shù)模型訓練不同，超千億參數(shù)模型在訓練過程中對高質量數(shù)據(jù)，訓練穩(wěn)定性、訓練效率的要求都高出幾個量級。為更好解決相關問題，百川智能在訓練過程中針對性地提出了“動態(tài)數(shù)據(jù)選擇”、“重要度保持”以及“異步CheckPoint存儲”等多種創(chuàng)新技術手段及方案，有效提升了Baicuan 3的各項能力。

　　高質量數(shù)據(jù)方面，傳統(tǒng)的數(shù)據(jù)篩選依靠人工定義，通過濾重篩選、質量打分、Textbook篩選等方法過濾數(shù)據(jù)。而百川智能認為，數(shù)據(jù)的優(yōu)化和采樣是一個動態(tài)過程，應該隨著模型本身的訓練過程優(yōu)化，而非單純依靠人工先驗進行數(shù)據(jù)的采樣和篩選。

　　為全面提升數(shù)據(jù)質量，百川智能設計了一套基于因果采樣的動態(tài)訓練數(shù)據(jù)選擇方案，該方案能夠在模型訓練過程中動態(tài)地選擇訓練數(shù)據(jù)，極大提升數(shù)據(jù)質量。

　　訓練穩(wěn)定性方面，超千億參數(shù)的模型由于參數(shù)量巨大，訓練過程中經常會出現(xiàn)梯度爆炸、loss跑飛、模型不收斂等問題。對此，百川智能提出了“重要度保持”(Salience-Consistency)的漸進式初始化方法，用以保證模型訓練初期的穩(wěn)定性。

　　并且優(yōu)化了模型訓練過程的監(jiān)控方案，在梯度、Loss等指標上引入了參數(shù)“有效秩”的方法來提早發(fā)現(xiàn)訓練過程中的問題，極大加速對訓練問題的定位，確保了最后模型的收斂效果。

　　此外，為了確保在數(shù)千張GPU上高效且穩(wěn)定地訓練超千億參數(shù)模型，百川智能同步優(yōu)化了模型的訓練穩(wěn)定性和訓練框架，并采用“異步CheckPoint存儲”機制，可以無性能損失地加大存儲的頻率，減少機器故障對訓練任務的影響，使Baichuan 3的穩(wěn)定訓練時間達到一個月以上，故障恢復時間不超過10分鐘。

　　訓練效率方面，百川智能針對超千億參數(shù)模型的并行訓練問題進行了一系列優(yōu)化，如高度優(yōu)化的RoPE, SwiGLU計算算子;在數(shù)據(jù)并行中實現(xiàn)參數(shù)通信與計算的重疊，以及在序列并行中實現(xiàn)激活值通信與計算的重疊，從而有效降低了通信時間的比重;在流水并行中引入了將激活值卸載至GPU的技術，解決了流水并行中顯存占用不均的問題，減少了流水并行的分段數(shù)量并顯著降低了空泡率。通過這些技術創(chuàng)新，Baichuan 3的訓練框架在性能方面相比業(yè)界主流框架提升超過30%。

　　醫(yī)療數(shù)據(jù)集Token數(shù)超千億，醫(yī)療能力逼近GPT-4

　　大模型醫(yī)療背后蘊含著巨大的社會價值和產業(yè)價值，從疾病的診斷、治療到患者護理與藥物研發(fā)，大模型不僅能夠幫助醫(yī)生提高診療效率和質量，幫助患者獲得更好的服務和體驗，還能幫助社會降低醫(yī)療成本和風險，助力醫(yī)療資源實現(xiàn)普惠和平權。

　　并且醫(yī)療問題專業(yè)性強、知識更新速度快、準確性要求高、個體差異大，能充體現(xiàn)大模型的各項能力，被百川智能稱為“大模型皇冠上的明珠”。因此，諸如OpenAI、谷歌等頭部大模型企業(yè)都將醫(yī)療作為模型的重點訓練方向和性能評價的重要體系。

　　ChatGPT早在2023年2月便已通過了美國醫(yī)學執(zhí)照考試(USMLE)，顯示出其在醫(yī)學領域的強大能力。而谷歌對醫(yī)療領域的重視更甚，基于PaLM模型打造了醫(yī)療大模型Med-PaLM，迭代后的Med-PaLM 2在醫(yī)學考試 MedQA中的成績超過80分，達到了專家水平。

　　在醫(yī)療領域，大模型的全能特性發(fā)揮著至關重要的作用。首先，其多模態(tài)學習能力能夠整合文本、影像、聲音等多種類型的醫(yī)療數(shù)據(jù)，提供更全面、準確的分析和診斷。其次，大模型的深層推理能力有助于復雜醫(yī)療決策的制定。

　　此外，穩(wěn)定的性能和知識更新能力確保了醫(yī)療建議的可靠性和時效性。同時，大模型的語言理解和生成能力使其能夠處理專業(yè)術語和復雜句式。最后，模式識別與學習能力在大模型中的應用，使其能夠從復雜的醫(yī)療數(shù)據(jù)中學習和識別出重要的模式和特征。

　　所以，大模型想要在醫(yī)療領域擁有良好效果并不容易，既需要豐富的醫(yī)療知識、合適的Prompt，還需要模型本身具備過硬的邏輯推理能力。

　　為了給Baichuan3注入豐富的醫(yī)療知識，百川智能在模型預訓練階段構建了超過千億Token的醫(yī)療數(shù)據(jù)集，包括醫(yī)學研究文獻、真實的電子病歷資料、醫(yī)學領域的專業(yè)書籍和知識庫資源、針對醫(yī)療問題的問答資料等。該數(shù)據(jù)集涵蓋了從理論到實際操作，從基礎理論到臨床應用等各個方面的醫(yī)學知識，確保了模型在醫(yī)療領域的專業(yè)度和知識深度。

　　針對醫(yī)療知識激發(fā)的問題，百川智能在推理階段針對Prompt做了系統(tǒng)性的研究和調優(yōu)，通過準確的描述任務、恰當?shù)氖纠龢颖具x擇，讓模型輸出更加準確以及符合邏輯的推理步驟，最終不僅提升了Baichuan 3在多項醫(yī)療考試上的成績，并且在真實的醫(yī)療問答場景下也能給用戶提供更精準、細致的反饋。

　　邏輯推理方面，Baichuan 3在數(shù)學和代碼等多個權威評測上中文任務超越GPT-4的優(yōu)異成績，已經充分證明了其強大的基礎邏輯推理能力。在擁有豐富高質量專業(yè)醫(yī)療知識，并能通過調優(yōu)后的Prompt對這些知識進行充分激發(fā)的基礎上，結合超千億參數(shù)的推理能力，Baichuan 3在醫(yī)療領域的任務效果提升顯著，在各類中英文醫(yī)療測試中的成績提升了2到14個百分點。

　　Baichuan 3在多個權威醫(yī)療評測任務中表現(xiàn)優(yōu)異，不僅MCMLE、MedExam、CMExam等中文醫(yī)療任務的評測成績超過GPT-4，USMLE、MedMCQA等英文醫(yī)療任務的評測成績也逼近了GPT-4的水準，是醫(yī)療能力最強的中文大模型。

　　突破“迭代式強化學習”技術，創(chuàng)作精準度大幅提升

　　語義理解和文本生成，作為大模型最基礎的底層能力，是其他能力的支柱。為提升這兩項能力，業(yè)界進行了大量探索和實踐，OpenAI、Google以及Anthropic等引入的RLHF(基于人類反饋的強化學習)和RLAIF(基于AI反饋的強化學習)便是其中的關鍵技術。

　　基于強化學習對齊后的模型不僅可以更精準地理解用戶指令，尤其是多約束以及多輪對話下的指令，還能進一步提升生成內容的質量。但是在大模型中充分發(fā)揮強化學習的作用不僅需要穩(wěn)定且高效的強化學習訓練框架和高質量的優(yōu)質偏序數(shù)據(jù)，還需要在“探索與利用”兩者間進行平衡，實現(xiàn)模型能力持續(xù)爬坡。

　　對于以上問題，百川智能進行了深入研究，并給出了針對性的解決方案。強化學習訓練框架方面，百川智能自研了訓練推理雙引擎融合、多模型并行調度的PPO訓練框架，能夠很好支持超千億模型的高效訓練，訓練效率相比業(yè)界主流框架提升400%。

　　偏序數(shù)據(jù)方面，百川智能創(chuàng)新性的采用了RLHF與RLAIF結合的方式來生成高質量優(yōu)質偏序數(shù)據(jù)，在數(shù)據(jù)質量和數(shù)據(jù)成本之間獲得了更好的平衡。在此基礎上，對于“探索與利用”這一根本挑戰(zhàn)，百川智能通過PPO探索空間與Reward Model評價空間的同步升級，實現(xiàn)“迭代式強化學習”(iterative RLHF&RLAIF)�；趶娀瘜W習的版本爬坡，可以在SFT的基礎上進一步發(fā)揮底座模型的潛力，讓Baichuan 3的語義理解和生成創(chuàng)作能力大幅提升。

　　以文本創(chuàng)作中最具挑戰(zhàn)的唐詩宋詞為例，作為中國傳統(tǒng)文化的瑰寶，詩詞不僅在格式、平仄、對偶、韻律等方面均有著嚴格的約束條件，并且內容高度凝練、寓意深遠。

　　如果僅通過SFT的微調學習，一方面高質量詩詞的創(chuàng)作數(shù)據(jù)需要極高的專家成本，另一方面不能在平仄、對偶、韻律等多個方面實現(xiàn)較好的約束理解和遵循。此外，傳統(tǒng)的單次RLHF范式在唐詩宋詞面前也遇到極大挑戰(zhàn)，PPO在訓練過程中生成的Response有可能超出Reward Model的評價范圍導致“探索”的過程失控。

　　Baichuan 3結合“RLHF&RLAIF”以及迭代式強化學習的方法，讓大模型的詩詞創(chuàng)作能力達到全新高度�？捎眯韵啾犬斍皹I(yè)界最好的模型水平提升達500%，文采遠超GPT-4。對于宋詞這種格式多變，結構深細、韻律豐富的高難度文體，生成的內容亦能工整對仗、韻腳和諧。其精準、深厚的創(chuàng)作功底，將讓每個人都能夠輕松創(chuàng)作出詠物、寄思的五言律詩、七言絕句，寫下的言志、抒情的“沁園春”、“定風波”，這不僅可以提升大眾的人文素養(yǎng)，還能助力中華傳統(tǒng)文化在大模型時代真正地“活”起來。