GLM-130B vs Terracotta

GLM-130B coloca um modelo bilíngue de linguagem com 130 bilhões de parâmetros na pilha de pesquisa aberta THUDM construída em torno da receita de pré-treinamento do General Language Model (GLM). Os pesos são direcionados para textos em inglês e chinês, e o repositório do GitHub disponibiliza código de inferência, tarefas de avaliação e checkpoints aceitos no ICLR 2023. Você pode executar geração da esquerda para a direita ou preenchimento em branco com tokens [MASK] e [gMASK] em hardware que caiba em um único servidor multi-GPU, em vez de uma API proprietária.

Enquanto a maioria dos modelos com mais de 100 bilhões de parâmetros permanece fechada, o GLM-130B publica pesos do modelo, notas de treinamento e configurações YAML para mais de 30 benchmarks. Seu caminho de quantização INT4 é ajustado para que quatro placas RTX 3090 (24GB) possam hospedar a inferência com quase nenhuma perda de precisão, um requisito muito menor do que a configuração com oito A100 (40GB) usada para execuções completas em FP16. O objetivo de treinamento mistura preenchimento em branco autorregressivo em 95% dos tokens com dados de instrução multitarefa do T0++ e DeepStruct, o que é uma aposta diferente do pré-treinamento causal padrão no estilo GPT.

Pesquisadores que estudam transferência zero-shot bilíngue, quantização de grandes modelos ou benchmarks reproduzíveis de LLMs obterão o máximo do GLM-130B. O repositório foca em ferramentas de avaliação e inferência em vez de um produto de chat hospedado, embora o THUDM tenha posteriormente desmembrado o trabalho de diálogo no ChatGLM. Espere trazer suas próprias GPUs, armazenamento para um checkpoint de 260GB e paciência para o formulário de download dos pesos.

Terracotta é uma plataforma de ponta projetada para aprimorar o fluxo de trabalho para desenvolvedores e pesquisadores que trabalham com grandes modelos de linguagem (LLMs). Esta plataforma intuitiva e fácil de usar permite gerenciar, iterar e avaliar seus modelos ajustados com facilidade. Com o Terracotta, você pode fazer upload de dados com segurança, ajustar modelos para diversas tarefas, como classificação e geração de texto, e criar avaliações abrangentes para comparar o desempenho do modelo usando métricas qualitativas e quantitativas. Nossa ferramenta oferece suporte a conexões com grandes provedores como OpenAI e Cohere, garantindo que você tenha acesso a uma ampla gama de recursos de LLM. Terracotta é criação de Beri Kohen e Lucas Pauker, entusiastas de IA e graduados em Stanford, que se dedicam a promover o desenvolvimento de LLM. Cadastre-se em nossa lista de e-mail para se manter informado sobre as últimas atualizações e recursos que o Terracotta tem a oferecer.