Clone with HTTP
git clone https://www.modelscope.cn/FlagAlpha/Atom-7B-Chat.git
Atom-7B-Chat (32K)
Atom-7B-Chat基于Atom-7B的32K长度的对话模型，由Llama中文社区和AtomEcho（原子回声）联合研发，我们会持续提供更新的模型参数，模型训练过程见(https://llama.family)。
模型的部署、训练、微调等方法详见Llama中文社区GitHub仓库：https://github.com/LlamaFamily/Llama-Chinese
? 中文数据
| 类型 | 描述 |
|---|---|
| 网络数据 | 互联网上公开的网络数据，挑选出去重后的高质量中文数据，涉及到百科、书籍、博客、新闻、公告、小说等高质量长文本数据。 |
| Wikipedia | 中文Wikipedia的数据 |
| 悟道 | 中文悟道开源的200G数据 |
| Clue | Clue开放的中文预训练数据，进行清洗后的高质量中文长文本数据 |
| 竞赛数据集 | 近年来中文自然语言处理多任务竞赛数据集，约150个 |
| MNBVC | MNBVC 中清洗出来的部分数据集 |
? 中文词表
为了提高中文文本处理的效率，我们针对Llama2模型的词表进行了深度优化。
首先，我们基于数百G的中文文本，在Llama2词表的基础上扩展词库至65,000个单词。
经过测试，我们的改进使得中文编码/解码速度提高了约350％。
此外，我们还扩大了中文字符集的覆盖范围，包括所有emoji符号，这使的生成带有表情符号的文章更加高效。
对于Llama2原生词表中的一些特殊情况，如数字、英文等，我们尽可能地避免对其进行修改或替换。
最终，成功地实现了一种既能提高中文处理效率又能保持Llama2原有性能的方法。
? 训练过程
模型结构
基于当前最优秀的开源模型Llama2，使用主流Decoder-only的标准Transformer网络结构，支持4K的上下文长度（Context Length），为同尺寸模型中最长，能满足更长的多轮对话、知识问答与摘要等需求，模型应用场景更广泛。
FlashAttention-2高效训练
Atom-7B采用了FlashAttention-2技术进行训练。由于在处理较长的输入序列时，内存消耗的问题可能会导致“内存爆炸”现象。FlashAttention-2是一种高效注意力机制的实现方式之一，相较于传统的注意力技术（Attention），它拥有更快速的速度以及更加优化的内存占用率。
基于NTK的自适应上下文扩展技术
- 可在不继续训练模型的情况下支持更长的上下文
- 本项目中模型默认支持4K上下文，利用上述技术可扩展至18K+
- 经过微调可以支持到32K+
? 推理配置
实际应用中，消费级显卡要比专业显卡便宜的多（比如3090相比A10，同样都是24G显存）。
对于消费级显卡，直接FP32肯定放不下，一般最基本的是FP16，而INT8和INT4量化就很有用，例如：
- 对于3080显卡（10G显存），Atom-7B的INT8只需要8G显存可以直接部署。
- 对于3080显卡（10G显存），Atom-7B的INT4只需要5G显存可以直接部署。
评论