阿里140亿大模型开源！10项任务超340亿Llama 2，Demo在线可玩
萧箫
来源：
量子位
学会调用代码解释器等工具
阿里又开源大模型了！
这次是纯粹的大语言模型，相比上一次的70亿，新模型的参数量来到了 140亿 。
它名叫，一上来就在一系列任务榜单中全部取得了第一，直接超过了Meta的 340亿 参数版本。
Qwen-14B的训练数据达到3万亿tokens，不仅 中英文 都来得，序列长度也达到了8192。
用法也是老样子，完全开源，而且 免费可用 ，目前在魔搭社区上已经可以试玩到Demo版本。
看起来，阿里的Qwen颇有点对标Meta的Llama，要搞出一整套“国内大模型开源全系列”那味了。
那么，Qwen-14B的效果究竟怎么样呢？我们这就试一试。
10个榜单超越340亿Llama 2
先来看看Qwen-14B的整体表现如何。
虽然Llama 2取得了一系列不错的“战绩”，不过至少官方提供的版本中，还不太具备说中文的能力。
因此，我们先来看看Qwen-14B的中文能力如何，然后再试试它在其他学科上的水平。
老样子， 弱智benchmark 送上：
看起来Qwen-14B也能准确应对。稍微难点的 中文理解题 ：
感觉还不错，顺便纠正了我的语病（手动狗头）。
那么， 数学题 表现如何呢？普通的鸡兔同笼试试：
表现也中规中矩。再试试稍微难一点的 逻辑推理题 ，之前有人测试发现，60个大模型全部做错了。
问题如下：
PS:这道题的正确答案是1。
在做错的一系列大模型中，包括GPT-4和Claude 2，也包括Llama 2：
很遗憾，这里Qwen-14B也没做出来。
不过它的 代码能力 还可以，例如让写一下贪吃蛇的代码：
它很快给出了一个完整版的贪吃蛇代码出来，带注释那种：
random# 初始化蛇的初始位置和长度snake = [(, )]snake_length = food = (random.randint(, ), random.randint(, ))score = # 初始化游戏的结束标志game_over = game_over: i range(): j range(): (i, j) snake:print(, end=) (i, j) == food:print(, end=):print(, end=)print()direction = input() direction == :snake.insert(, (snake[][], snake[][] - )) direction == :snake.insert(, (snake[][], snake[][] + )) direction == :snake.insert(, (snake[][] - , snake[][])) direction == :snake.insert(, (snake[][] + , snake[][]))snake_length += # 如果蛇吃到了食物，更新食物的位置和分数 snake[] == food:food = (random.randint(, ), random.randint(, ))score += # 如果蛇撞到了墙或者自己的身体，游戏结束 snake[][] < snake[][] >= snake[][] < snake[][] >= snake[] snake[:]:game_over = print(, score)print()试了一下，可以直接运行玩耍：
据了解，Qwen-14B和Qwen-7B一样，所具备的也不仅仅是对话功能。
除了上述能力，Qwen-14B也学会了 自己调用工具 。
例如，基于Code Interpreter（代码解释器）工具执行Python代码，直接做数学计算、数据分析和数据图表绘制。
团队也升级了Qwen-14B对接外部系统的技巧，不仅几步就能调用复杂插件，还能将它作为基座模型开发Agent等AI系统、完成复杂任务。
事实上，背后的Qwen-14B模型，也是个打榜小能手。
无论是在 语言能力测试集 上，如大规模多任务语言测评榜单MMLU、中文基础能力评估数据集C-Eval中；
还是在数学等 其他学科的能力 上，如小学数学加减乘除运算题GSM8K、数学竞赛数据集MATH等：
前后一共10个榜单，都取得了TOP 1的名次。
所以，Qwen-14B究竟是怎么做出来的？
训练数据超3万亿tokens
技术细节，还得从Qwen-14B的架构和训练数据说起。
作为一个参数140亿的大模型，Qwen-14B的结构细节长这样：
在整体架构上，团队借鉴了一些当前开源大模型的“神奇设计”，包括谷歌的PaLM以及Meta的Llama等。
包括SwiGLU的激活函数设计、ROPE的位置编码等，都有出现在Qwen-14B的结构设计中。
不仅如此，团队也针对 词表 和 长序列数据建模 进行了优化。词表大小超过15万，更节省token数。
长序列数据建模上，则采取了一些当前最有效的方法，包括但不限于Dynamnic NTK、Log-N attention scaling、window attention等，确保模型表现效果更稳定。
这也是模型虽然只有140亿，但序列长度能达到8192的原因。
之所以能取得不错的效果，也与Qwen-14B的 训练数据 分不开。
Qwen-14B整体采用了超过3万亿tokens数据训练。
这里面不仅仅包含语数英等基础学科，还包括了理化生政史地等多个其他学科的知识、以及代码知识，直接接受了9年义务教育（手动狗头）。
除此之外，团队还进一步做了不少数据处理工作，包括大规模数据去重、垃圾文本过滤、以及提升高质量数据比例等。
同时，为了让模型更好地学会调用工具、增强记忆能力，团队也在微调样本上进行了优化，建立更全面的自动评估基准来发现Qwen-14B表现不稳定的情況，并针对性地使用Self-Instruct方法扩充了高质量的微调样本。
事实上，这已经是通义千问系列的 第三波开源 了。
最早在8月初，阿里云就开源了中英文通用模型和对话模型 Qwen-7B-Chat 。
Qwen-7B支持8K上下文长度，基于超过2.2万亿tokens包含文本、代码等类型的数据集训练，也支持插件调用和开发Agent等AI系统。
项目一开源，就冲上GitHub热榜，目前已经收获4k星热度。
（值得一提的是，这次阿里云除了发布Qwen-14B以外，也顺带升级了一波Qwen-7B）
随后在8月底，阿里云再次推出视觉语言大模型。
Qwen-VL基于Qwen-7B为基座语言模型研发，支持图像、文本、检测框等多种输入，并且在文本之外，也支持检测框输出。
从demo展示中来看，Qwen-VL身兼多种能力，中英文对话、代码图像理解都来得：
对于阿里的一系列Qwen开源大模型感兴趣的，可以去项目主页试玩一波了~
试玩地址：
参考链接：[1]
版权所有，未经授权不得以任何形式转载及使用，违者必究。
