超越GPT-4，斯坦福團隊手機可跑的大模型火了，一夜下載量超2k
在大模型落地應用的過程中，端側 AI 是非常重要的一個方向。
近日，斯坦福大學研究人員推出的 Octopus v2 火了，受到了開發者社區的極大關注，模型一夜下載量超 2k。
20 億參數的 Octopus v2 可以在智能手機、汽車、個人電腦等端側運行，在準確性和延遲方面超越了 GPT-4，并將上下文長度減少了 95%。此外，Octopus v2 比 Llama7B + RAG 方案快 36 倍。
不少網友感嘆：設備端 AI 智能體的時代到來了！
- 論文：Octopus v2: On-device language model for super agent
- 論文地址：https://arxiv.org/abs/2404.01744
- 模型主頁：https://huggingface.co/NexaAIDev/Octopus-v2
模型概述
Octopus-V2-2B 是一個擁有 20 億參數的開源語言模型，專為 Android API 量身定制，旨在在 Android 設備上無縫運行，并將實用性擴展到從 Android 系統管理到多個設備的編排等各種應用程序。
通常，檢索增強生成 (RAG) 方法需要對潛在函數參數進行詳細描述（有時需要多達數萬個輸入 token）。基于此，Octopus-V2-2B 在訓練和推理階段引入了獨特的函數 token 策略，不僅使其能夠達到與 GPT-4 相當的性能水平，而且還顯著提高了推理速度，超越了基于 RAG 的方法，這使得它對邊緣計算設備特別有利。
Octopus-V2-2B 能夠在各種復雜場景中生成單獨的、嵌套的和并行的函數調用。
數據集
為了訓練、驗證和測試階段采用高質量數據集，特別是實現高效訓練，研究團隊用三個關鍵階段創建數據集：
- 生成相關的查詢及其關聯的函數調用參數；
- 由適當的函數組件生成不相關的查詢；
- 通過 Google Gemini 實現二進制驗證支持。
研究團隊編寫了 20 個 Android API 描述，用于訓練模型。下面是一個 Android API 描述示例：
def get_trending_news (category=None, reginotallow='US', language='en', max_results=5):
"""
Fetches trending news articles based on category, region, and language.
Parameters:
- category (str, optional): News category to filter by, by default use None for all categories. Optional to provide.
- region (str, optional): ISO 3166-1 alpha-2 country code for region-specific news, by default, uses 'US'. Optional to provide.
- language (str, optional): ISO 639-1 language code for article language, by default uses 'en'. Optional to provide.
- max_results (int, optional): Maximum number of articles to return, by default, uses 5. Optional to provide.
Returns:
- list [str]: A list of strings, each representing an article. Each string contains the article's heading and URL.
"""模型開發與訓練
該研究采用 Google Gemma-2B 模型作為框架中的預訓練模型，并采用兩種不同的訓練方法：完整模型訓練和 LoRA 模型訓練。
在完整模型訓練中，該研究使用 AdamW 優化器，學習率設置為 5e-5，warm-up 的 step 數設置為 10，采用線性學習率調度器。
LoRA 模型訓練采用與完整模型訓練相同的優化器和學習率配置，LoRA rank 設置為 16，并將 LoRA 應用于以下模塊：q_proj、k_proj、v_proj、o_proj、up_proj、down_proj。其中，LoRA alpha 參數設置為 32。
對于兩種訓練方法，epoch 數均設置為 3。
使用以下代碼，就可以在單個 GPU 上運行 Octopus-V2-2B 模型。
from transformers import AutoTokenizer, GemmaForCausalLMimport torchimport time
def inference (input_text):
start_time = time.time ()
input_ids = tokenizer (input_text, return_tensors="pt").to (model.device)
input_length = input_ids ["input_ids"].shape [1]
outputs = model.generate (
input_ids=input_ids ["input_ids"],
max_length=1024,
do_sample=False)
generated_sequence = outputs [:, input_length:].tolist ()
res = tokenizer.decode (generated_sequence [0])
end_time = time.time ()
return {"output": res, "latency": end_time - start_time}
model_id = "NexaAIDev/Octopus-v2"
tokenizer = AutoTokenizer.from_pretrained (model_id)
model = GemmaForCausalLM.from_pretrained (
model_id, torch_dtype=torch.bfloat16, device_map="auto"
)
input_text = "Take a selfie for me with front camera"
nexa_query = f"Below is the query from the users, please call the correct function and generate the parameters to call the function.\n\nQuery: {input_text} \n\nResponse:"
start_time = time.time () print ("nexa model result:\n", inference (nexa_query)) print ("latency:", time.time () - start_time,"s")評估
Octopus-V2-2B 在基準測試中表現出卓越的推理速度，在單個 A100 GPU 上比「Llama7B + RAG 解決方案」快 36 倍。此外，與依賴集群 A100/H100 GPU 的 GPT-4-turbo 相比，Octopus-V2-2B 速度提高了 168%。這種效率突破歸功于 Octopus-V2-2B 的函數性 token 設計。
Octopus-V2-2B 不僅在速度上表現出色，在準確率上也表現出色，在函數調用準確率上超越「Llama7B + RAG 方案」31%。Octopus-V2-2B 實現了與 GPT-4 和 RAG + GPT-3.5 相當的函數調用準確率。
感興趣的讀者可以閱讀論文原文，了解更多研究內容。
