瀾舟科技官宣：孟子 3-13B 大模型正式開源！
這一主打高性價比的輕量化大模型，面向學術研究完全開放，并支持免費商用。
在 MMLU、GSM8K、HUMAN-EVAL 等各項基準測評估中，孟子 3-13B 都表現出了不錯的性能。
尤其在參數量 20B 以内的輕量化大模型領域，在中英文語言能力方面尤爲突出，數學和編程能力也位于前列。
△以上結果基于 5-shot。
據介紹，孟子 3-13B 大模型是基于 Llama 架構，數據集規模高達3T Tokens。
語料精選自網頁、百科、社交、媒體、新聞，以及高質量的開源數據集。通過在萬億 tokens 上進行多語言語料的繼續訓練，模型的中文能力突出并且兼顧多語言能力。
隻需兩步，就能使用孟子 3-13B 大模型了。
首先進行環境配置。
pip install -r requirements.txt
然後快速開始。
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained ( "Langboat/Mengzi3-13B-Base", use_fast=False, trust_remote_code=True )
model = AutoModelForCausalLM.from_pretrained ( "Langboat/Mengzi3-13B-Base", device_map="auto", trust_remote_code=True )
inputs = tokenizer ( ' 指令：回答以下問題。輸入：介紹一下孟子。輸出：', return_tensors='pt' )
if torch.cuda.is_available ( ) :
inputs = inputs.to ( 'cuda' )
pred = model.generate ( **inputs, max_new_tokens=512, repetition_penalty=1.01, eos_token_id=tokenizer.eos_token_id )
print ( tokenizer.decode ( pred [ 0 ] , skip_special_tokens=True ) )
此外，他們還提供了一個樣例代碼，可用于基礎模型進行單輪交互推理。
cd examples
python examples/base_streaming_gen.py --model model_path --tokenizer tokenizer_path
如果想要進行模型微調，他們也提供了相關文件和代碼。
事實上，早在 3 月 18 日的瀾舟大模型技術和産品發布會現場，就透露了孟子 3-13B 大模型的諸多細節。
當時他們表示，孟子 3-13B 大模型訓練已經完成。
對于選擇 13B 版本的原因，周明解釋道：
首先，瀾舟明确以服務 ToB 場景爲主，ToC 爲輔。
實踐發現，ToB 場景使用頻率最高的大模型參數量多爲 7B、13B、40B、100B，整體集中在 10B-100B 之間。
其次，在這個區間範圍内，從 ROI（投資回報率）角度來講，既滿足場景需求，又最具性價比。
因此，在很長一段時間内，瀾舟的目标都是在 10B-100B 參數規模範圍内，打造優質的行業大模型。
作爲國内最早一批大模型創業團隊，去年 3 月，瀾舟就發布了孟子 GPT V1（MChat）。
今年 1 月，孟子大模型 GPT V2（含孟子大模型 - 标準、孟子大模型 - 輕量、孟子大模型 - 金融、孟子大模型 - 編碼）對公衆開放。
好了，感興趣的朋友可戳下方鏈接體驗一下。
GitHub 鏈接：
https://github.com/Langboat/Mengzi3
HuggingFace：
https://huggingface.co/Langboat/Mengzi3-13B-Base
ModelScope：
https://www.modelscope.cn/models/langboat/Mengzi3-13B-Base
Wisemodel：
https://wisemodel.cn/models/Langboat/Mengzi3-13B-Base
