白交发自凹非寺

　　量子位公众号 QbitAI

　　澜舟科技官宣：孟子3-13B 大模型正式开源！

　　这一主打高性价比的轻量化大模型，面向学术研究完全开放，并支持免费商用。

　　在 MMLU、GSM8K、HUMAN-EVAL 等各项基准测评估中，孟子3-13B 都表现出了不错的性能。

　　尤其在参数量 20B 以内的轻量化大模型领域，在中英文语言能力方面尤为突出，数学和编程能力也位于前列。

　　据介绍，孟子3-13B 大模型是基于 Llama 架构，数据集规模高达 3T Tokens。

　　语料精选自网页、百科、社交、媒体、新闻，以及高质量的开源数据集。通过在万亿 tokens 上进行多语言语料的继续训练，模型的中文能力突出并且兼顾多语言能力。

　　孟子3-13B 大模型开源

　　只需两步，就能使用孟子3-13B 大模型了。

　　首先进行环境配置。

pipinstall-rrequirements.txt

　　然后快速开始。

importtorch
fromtransformersimportAutoModelForCausalLM, 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：回答以下问题。输入：介绍一下孟子。输出：'， return_tensors='pt')
iftorch.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，他们还提供了一个样例代码，可用于基础模型进行单轮交互推理。

cdexamples
python examples/base_streaming_gen.py --model model_path --tokenizer tokenizer_path

　　如果想要进行模型微调，他们也提供了相关文件和代码。

　　事实上，早在 3 月 18 日的澜舟大模型技术和产品发布会现场，就透露了孟子3-13B 大模型的诸多细节。

　　当时他们表示，孟子3-13B 大模型训练已经完成。

　　对于选择 13B 版本的原因，周明解释道：

　　首先，澜舟明确以服务 ToB 场景为主，ToC 为辅。

　　实践发现，ToB 场景使用频率最高的大模型参数量多为 7B、13B、40B、100B，整体集中在 10B-100B 之间。

　　其次，在这个区间范围内，从 ROI（投资回报率）角度来讲，既满足场景需求，又最具性价比。

　　因此，在很长一段时间内，澜舟的目标都是在 10B-100B 参数规模范围内，打造优质的行业大模型。

　　作为国内最早一批大模型创业团队，去年 3 月，澜舟就发布了孟子 GPT V1（MChat）。

　　今年 1 月，孟子大模型 GPT V2（含孟子大模型-标准、孟子大模型-轻量、孟子大模型-金融、孟子大模型-编码）对公众开放。

　　好了，感兴趣的朋友可戳下方链接体验一下。

　　GitHub 链接：

　　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