清華系千億基座對話模型ChatGLM啟動內測，開源單卡版模型
ChatGPT 的發布，攪動了整個 AI 領域，各大科技公司、創業公司以及高校團隊都在跟進。近段時間，機器之心報道了多家創業公司、高校團隊的研究成果。
昨日，又一國產 AI 對話大模型重磅登場：由清華技術成果轉化的公司智譜 AI 基于 GLM-130B 千億基座模型的 ChatGLM 現已開啟邀請制內測。
值得一提的是，此次智譜 AI 也開源了中英雙語對話模型 ChatGLM-6B，支持在單張消費級顯卡上進行推理使用。
內測申請網址：chatglm.cn
據了解，ChatGLM 當前版本模型的能力提升主要來源于獨特的千億基座模型 GLM-130B。它是不同于 BERT、GPT-3 以及 T5 的架構，是一個包含多目標函數的自回歸預訓練模型。
2022 年 8 月，清華大學聯合智譜 AI 向研究界和工業界開放了擁有 1300 億參數的中英雙語稠密模型 GLM-130B，該模型有一些獨特的優勢：
- 雙語：同時支持中文和英文；
- 高精度（英文）：在公開的英文自然語言榜單 LAMBADA、MMLU 和 Big-bench-lite 上優于 GPT-3 175B（API: davinci，基座模型）、OPT-175B 和 BLOOM-176B；
- 高精度（中文）：在 7 個零樣本 CLUE 數據集和 5 個零樣本 FewCLUE 數據集上明顯優于 ERNIE TITAN 3.0 260B 和 YUAN 1.0-245B；
- 快速推理：首個實現 INT4 量化的千億模型，支持用一臺 4 卡 3090 或 8 卡 2080Ti 服務器進行快速且基本無損推理；
- 可復現性：所有結果（超過 30 個任務）均可通過我們的開源代碼和模型參數復現；
- 跨平臺：支持在國產的海光 DCU、華為昇騰 910 和申威處理器及美國的英偉達芯片上進行訓練與推理。
如今， 參考 ChatGPT 的設計思路，ChatGLM 在千億基座模型 GLM-130B 中注入了代碼預訓練，通過有監督微調（Supervised Fine-Tuning）等技術實現人類意圖對齊。
機器之心獲得了內測邀請碼，這里簡單和 ChatGLM 進行了對話，效果如下：
它能夠理解「站 CP」的實際涵義：
給 ChatGLM 一個數學問題試試：
自從學會了二元一次方程，像這種基礎的「雞兔同籠」問題就再也難不倒它了：
開源 ChatGLM-6B
ChatGLM-6B 是一個開源的、支持中英雙語問答的對話語言模型，并針對中文進行了優化。該模型基于 General Language Model (GLM) 架構，具有 62 億參數。結合模型量化技術，用戶可以在消費級的顯卡上進行本地部署（INT4 量化級別下最低只需 6GB 顯存）。ChatGLM-6B 使用了和 ChatGLM 相同的技術，針對中文問答和對話進行了優化。經過約 1T 標識符的中英雙語訓練，輔以監督微調、反饋自助、人類反饋強化學習等技術的加持，62 億參數的 ChatGLM-6B 雖然規模不及千億模型，但大大降低了推理成本，提升了效率，并且已經能生成相當符合人類偏好的回答。
模型開源地址：https://github.com/THUDM/ChatGLM-6B
具體來說，ChatGLM-6B 具備以下特點：
- 充分的中英雙語預訓練：ChatGLM-6B 在 1:1 比例的中英語料上訓練了 1T 的 token 量，兼具雙語能力。
- 優化的模型架構和大小：吸取 GLM-130B 訓練經驗，修正了二維 RoPE 位置編碼實現，使用傳統 FFN 結構。6B（62 億）的參數大小，也使得研究者和個人開發者自己微調和部署 ChatGLM-6B 成為可能。
- 較低的部署門檻：FP16 半精度下，ChatGLM-6B 需要至少 13 GB 的顯存進行推理，結合模型量化技術，這一需求可以進一步降低到 10GB（INT8） 和 6GB（INT4），使得 ChatGLM-6B 可以部署在消費級顯卡上。
- 更長的序列長度：相比 GLM-10B（序列長度 1024），ChatGLM-6B 序列長度達 2048，支持更長對話和應用。
- 人類意圖對齊訓練：使用了監督微調（Supervised Fine-Tuning）、反饋自助（Feedback Bootstrap）、人類反饋強化學習（Reinforcement Learning from Human Feedback）等方式，使模型初具理解人類指令意圖的能力。輸出格式為 markdown，方便展示。
不過由于 ChatGLM-6B 模型的容量較小，不可避免的存在一些局限和不足，包括：
- 相對較弱的模型記憶和語言能力。在面對許多事實性知識任務時，ChatGLM-6B 可能會生成不正確的信息，也不太擅長邏輯類問題（如數學、編程）的解答。
- 可能會產生有害說明或有偏見的內容：ChatGLM-6B 只是一個初步與人類意圖對齊的語言模型，可能會生成有害、有偏見的內容。
- 較弱的多輪對話能力：ChatGLM-6B 的上下文理解能力還不夠充分，在面對長答案生成和多輪對話的場景時，可能會出現上下文丟失和理解錯誤的情況。
GLM 團隊表示，ChatGLM 距離國際頂尖大模型研究和產品還有一定差距，未來將持續研發并開源更新版本的 ChatGLM 和相關模型。GLM 團隊也歡迎大家下載 ChatGLM-6B，基于它進行研究和（非商用）應用開發。
