GLM-130B vs Terracotta

GLM-130B propose un modèle de langage bilingue de 130 milliards de paramètres dans la pile de recherche ouverte THUDM construite autour de la recette de pré-entraînement General Language Model (GLM). Les poids ciblent les textes en anglais et en chinois, et le dépôt GitHub fournit le code d'inférence, les tâches d'évaluation et les points de contrôle acceptés à ICLR 2023. Vous pouvez exécuter une génération de gauche à droite ou un remplissage à blanc avec les tokens [MASK] et [gMASK] sur un matériel tenant sur un seul serveur multi-GPU plutôt que via une API propriétaire.

Alors que la plupart des modèles de plus de 100 milliards restent fermés, GLM-130B publie les poids du modèle, les notes d'entraînement et les configurations YAML pour plus de 30 benchmarks. Sa voie de quantification INT4 est optimisée pour que quatre cartes RTX 3090 (24GB) puissent héberger l'inférence avec presque aucune perte de précision, un seuil bien plus bas que la configuration de huit A100 (40GB) utilisée pour les exécutions FP16 complètes. L'objectif d'entraînement combine un remplissage à blanc autorégressif sur 95 % des tokens avec des données d'instruction multitâches issues de T0++ et DeepStruct, ce qui constitue un pari différent du pré-entraînement causal standard de type GPT.

Les chercheurs étudiant le transfert zéro-shot bilingue, la quantification de grands modèles ou les benchmarks reproductibles de LLM tireront le meilleur parti de GLM-130B. Le dépôt se concentre sur les outils d'évaluation et d'inférence plutôt que sur un produit de chat hébergé, bien que THUDM ait ensuite dérivé les travaux de dialogue dans ChatGLM. Prévoyez d'apporter vos propres GPU, un stockage pour un point de contrôle de 260GB et de la patience pour le formulaire de téléchargement des poids.

Terracotta est une plate-forme de pointe conçue pour améliorer le flux de travail des développeurs et des chercheurs travaillant avec de grands modèles de langage (LLM). Cette plate-forme intuitive et conviviale vous permet de gérer, d'itérer et d'évaluer facilement vos modèles affinés. Avec Terracotta, vous pouvez télécharger des données en toute sécurité, affiner les modèles pour diverses tâches telles que la classification et la génération de texte, et créer des évaluations complètes pour comparer les performances des modèles à l'aide de mesures qualitatives et quantitatives. Notre outil prend en charge les connexions aux principaux fournisseurs comme OpenAI et Cohere, vous garantissant ainsi l'accès à un large éventail de fonctionnalités LLM. Terracotta est la création de Beri Kohen et Lucas Pauker, passionnés d'IA et diplômés de Stanford, qui se consacrent à l'avancement du développement du LLM. Rejoignez notre liste de diffusion pour rester informé des dernières mises à jour et fonctionnalités que Terracotta a à offrir.