全新升級，CPM-Ant 蝶變 CPM-Bee
CPM（Chinese Pretrained Model) 系列大模型是我們團隊自研模型，其中包括國內(nèi)首個中文大模型 CPM-1、高效易用大模型 CPM-2、可控持續(xù)大模型 CPM-3 等。最新的百億大模型訓練直播項目 CPM-Live 的計劃書在2022年5月26日發(fā)布，第一期模型 CPM-Ant 的訓練在2022年5月29日正式啟動，并于2022年9月16日圓滿發(fā)布報告。
作為 CPM-Live 的第二期模型，CPM-Bee 在2022年10月13日開啟訓練，在基礎能力和性能表現(xiàn)上都在 CPM-Ant 的基礎上進行了全新升級。CPM-Bee 一網(wǎng)打盡多種能力，可以準確地進行語義理解，高效完成各類基礎任務，包括：文字填空、文本生成、翻譯、問答、評分預測、文本選擇題 等等。考慮到用戶使用模型的易用性，我們在預訓練階段將模型的輸入輸出設計成了 JSON 結構化形式，用戶只需調(diào)整不同任務字段，就可以完成各類任務。
"文本生成": {"input": "今天天氣很好，我和媽媽一起去公園，<mask>", "prompt": "往后寫兩句話", "<ans>": ""}"翻譯": {"input": "北京是中國的首都", "prompt": "中翻英", "<ans>": ""}"評分預測": {"input":"之前多次聚餐都選擇這里，有各種大小的包房同時能容納很多人，環(huán)境好有特色還有表演，整體聚餐氛圍一下被帶動起來?，F(xiàn)在由于炭火改成了電烤羊，口感真的不如從前，不過其他菜品都還是不錯，烤羊剩下的拆骨肉最后還能再加工一下椒鹽的也很好吃。","question":"評分是多少？(1-5)","<ans>":""}"選擇題": {"input": "父母都希望自己的孩子誠實、勇敢、有禮貌。要想讓孩子成為這樣的人，父母首先得從自己做起，要是連自己都做不到，又怎能要求孩子做到呢？", "options": {"<option_0>": "少提要求", "<option_1>": "降低標準", "<option_2>": "自己先做好", "<option_3>": "讓孩子拿主意"}, "question": "教育孩子時，父母應該：", "<ans>": ""}CPM-Bee 是一個 完全開源、允許商用 的百億參數(shù)中英文基座模型。它采用 Transformer 自回歸架構（auto-regressive），使用萬億級高質(zhì)量語料進行預訓練，擁有強大的基礎能力。CPM-Bee 的特點可以總結如下：
?? Github地址 https://github.com/OpenBMB/CPM-Bee
?? Hugging Face地址 https://huggingface.co/openbmb/cpm-bee-10b
百煉千錘 ，零樣本評測獨占鰲頭
我們對 CPM-Bee 基座模型進行了全方位的中英文能力評測。在中文的 Zero-CLUE 評測基準上，CPM-Bee 可以大幅超越其他模型，穩(wěn)居中文大模型第一。
在英文評測基準上，CPM-Bee 也 展現(xiàn)出了和開源模型 LLaMA 相當?shù)男?/strong>果。
使用CPM-Bee提供的API 與 OpenBMB 和 THUNLP聯(lián)合自研的Decoder Tuning（ACL 2023）技術，可以在 不訪問和修改模型參數(shù)的情況下大幅提高下游任務的性能！
生態(tài)支持 ? 微調(diào)壓縮部署一應俱全
—基于 OpenBMB 的大模型生態(tài)系統(tǒng)，我們在訓練 CPM-Bee 的過程中實現(xiàn)了全流程高效。同時提供了訓練（基于 BMTrain）、微調(diào)（基于 OpenPrompt 和 OpenDelta）、外部工具使用（基于 BMTools）、模型壓縮（基于 BMCook）低資源推理（基于 BMInf）的全套腳本，可以協(xié)助開發(fā)者快速上手和使用 CPM-Bee。
基于高效微調(diào)工具 OpenDelta，我們給出了兩種微調(diào)方案：全參數(shù)微調(diào)和增量微調(diào)，可以將 CPM-Bee 適配到各類下游場景中。
基于高效壓縮工具 BMCook，我們對原始的 CPM-Bee 基座模型進行壓縮，提供了 10B、5B、2B、1B 四種大小的 CPM-Bee 模型來適應各種不同的場景：
| 模型 | #Attn.層 | #FFN層 | Attn隱狀態(tài)維度 | FFN隱狀態(tài)維度 |
| CPM-Bee-10B | 48 | 48 | 4096 | 10240 |
| CPM-Bee-5B | 19 | 24 | 4096 | 10240 |
| CPM-Bee-2B | 19 | 24 | 2048 | 5120 |
| CPM-Bee-1B | 19 | 24 | 1280 | 1024 |
對于壓縮后的 CPM-Bee，普通的消費級顯卡即可完成快速推理，不同大小的模型所占用的推理資源如下：
| 模型 | 推理內(nèi)存占用 | 硬件需求 |
| CPM-Bee-10B | 20GB | RTX3090（24 GB） |
| CPM-Bee-5B | 11 GB | RTX3090（24 GB） |
| CPM-Bee-2B | 6.7 GB | GTX 1080（8 GB） |
| CPM-Bee-1B | 4.1 GB | GTX 1660（6 GB） |
OpenBMB 始終堅守初衷，致力于打造卓越的大規(guī)模預訓練語言模型庫和相關工具。基于工具平臺和模型庫，我們在建設大模型開源生態(tài)的同時，也積極促進大模型的落地與廣泛應用。
依托強大的開源基座模型 CPM-Bee，我們期待世界上涌現(xiàn)出更多精彩的大模型和大模型驅動的產(chǎn)品應用。人工智能的大模型時代正在加速行進！
