GLM-130B vs Terracotta

GLM-130B ofrece un modelo de lenguaje bilingüe de 130 mil millones de parámetros en la pila de investigación abierta THUDM, construida alrededor de la receta de preentrenamiento General Language Model (GLM). Los pesos están dirigidos a texto en inglés y chino, y el repositorio de GitHub incluye código de inferencia, tareas de evaluación y puntos de control aceptados en ICLR 2023. Puedes ejecutar generación de izquierda a derecha o relleno en blanco con los tokens [MASK] y [gMASK] en hardware que quepa en un solo servidor multi-GPU en lugar de una API propietaria.

Mientras que la mayoría de los modelos de más de 100 mil millones permanecen cerrados, GLM-130B publica pesos del modelo, notas de entrenamiento y configuraciones YAML para más de 30 benchmarks. Su ruta de cuantización INT4 está ajustada para que cuatro tarjetas RTX 3090 (24GB) puedan alojar la inferencia con casi ninguna pérdida de precisión, un umbral mucho más bajo que la configuración de ocho A100 (40GB) usada para ejecuciones completas en FP16. El objetivo de entrenamiento mezcla relleno en blanco autorregresivo en el 95% de los tokens con datos de instrucciones multitarea de T0++ y DeepStruct, lo cual es una apuesta diferente al preentrenamiento causal estándar estilo GPT.

Los investigadores que estudian transferencia cero disparo bilingüe, cuantización de modelos grandes o benchmarks reproducibles de LLM obtendrán el máximo provecho de GLM-130B. El repositorio se enfoca en herramientas de evaluación e inferencia más que en un producto de chat alojado, aunque THUDM luego derivó el trabajo de diálogo en ChatGLM. Se espera que traigas tus propias GPUs, almacenamiento para un punto de control de 260GB y paciencia para el formulario de descarga de pesos.

Terracotta es una plataforma de vanguardia diseñada para mejorar el flujo de trabajo de desarrolladores e investigadores que trabajan con modelos de lenguajes grandes (LLM). Esta plataforma intuitiva y fácil de usar le permite administrar, iterar y evaluar sus modelos ajustados con facilidad. Con Terracotta, puede cargar datos de forma segura, ajustar modelos para diversas tareas como clasificación y generación de texto, y crear evaluaciones integrales para comparar el rendimiento del modelo utilizando métricas tanto cualitativas como cuantitativas. Nuestra herramienta admite conexiones con proveedores importantes como OpenAI y Cohere, lo que garantiza que tenga acceso a una amplia gama de capacidades de LLM. Terracotta es la creación de Beri Kohen y Lucas Pauker, entusiastas de la IA y graduados de Stanford, que se dedican a promover el desarrollo de LLM. Únase a nuestra lista de correo electrónico para mantenerse informado sobre las últimas actualizaciones y características que Terracotta tiene para ofrecer.