🤗 Hugging Face ｜
ModelScope ｜
💬 微信社区
- [2024/09/13] 发布 MoE 架构的 XVERSE-MoE-A36B 底座模型，Chat 对齐模型将在后续发布。
XVERSE-MoE-A36B 是由深圳元象科技自主研发的支持多语言的大语言模型（Large Language Model），使用混合专家模型（MoE，Mixture-of-experts）架构，模型的总参数规模为 2554 亿，实际激活的参数量为 360 亿，本次开源的模型为底座模型 XVERSE-MoE-A36B，主要特点如下：
- 模型结构：XVERSE-MoE-A36B 为 Decoder-only 的 Transformer 架构，将密集模型的 FFN 层扩展为专家层，不同于传统 MoE 中每个专家的大小与标准 FFN 相同（如Mixtral 8x7B ），使用了更细粒度的专家，每个专家是标准 FFN 大小的 1/4，并设置了共享专家（Shared Expert）和非共享专家（Non-shared Expert）两类，共享专家在计算时始终被激活，非共享专家通过 Router 选择性激活。
- 训练数据：构建了海量高质量、多样化的数据对模型进行充分训练，包含中、英、俄、西等 40 多种语言，通过精细化设置不同类型数据的采样比例，使得中英两种语言表现优异，也能兼顾其他语言效果；模型使用 8K 长度的训练样本进行训练；在模型训练过程中进行了若干次数据的切换，来动态的引入持续处理的高质量数据，同时伴随数据采样比的调整。
- 训练策略：在切换数据的同时，为了使模型对新进数据进行快速且充分的学习，对学习率调度器也进行了相应调整。
- 训练框架：针对 MoE 模型中独有的专家路由和权重计算逻辑，进行了深入定制优化，开发出一套高效的融合算子，以提升计算效率。同时，为解决 MoE 模型显存占用和通信量大的挑战，设计了计算、通信和 CPU-Offload 的 Overlap 处理方式，从而提高整体吞吐量。
XVERSE-MoE-A36B 的模型大小、架构和学习率如下：
| total params | activated params | n_layers | d_model | n_heads | d_ff | n_non_shared_experts | n_shared_experts | top_k | lr |
|---|---|---|---|---|---|---|---|---|---|
| 255.4B | 36.5B | 50 | 6144 | 48 | 4096 | 64 | 2 | 6 | 2.5e−4 |
为了综合评估模型的性能，我们在一系列标准数据集上进行了全面测试，包括 MMLU、C-Eval、CMMLU、RACE-M、PIQA、GSM8K、MATH、MBPP 和 HumanEval，这些评估数据集覆盖了模型在多个领域的能力。并与相近参数规模的开源 MoE 和 Dense 模型（Base）以及闭源 Chat 模型进行了对比，结果如下：
对比开源 Base 模型 - MoE
| XVERSE-MoE-A36B | Grok-1-A85B | DeepSeek-V2-A21B | Skywork-MoE-A22B | Mixtral-8x22B-A39B | DBRX-A36B | |
|---|---|---|---|---|---|---|
| Total Params | 255B | 314B | 236B | 146B | 141B | 132B |
| MMLU | 80.8 | 73 | 78.5 | 77.4 | 77.8 | 73.7 |
| C-Eval | 79.5 | - | 81.7 | 82.2 | 56.8 | 44.9 |
| CMMLU | 81.7 | - | 84 | 79.5 | 59.9 | 61.3 |
| GSM8K | 89.5 | 62.9 | 79.2 | 76.1 | 82.3 | 70.7 |
| MATH | 53.3 | 23.9 | 43.6 | 31.9 | 34.1 | 25.6 |
| HumanEval | 51.8 | 63.2 | 48.8 | 43.9 | 45.1 | 46.3 |
| MBPP | 59.8 | - | 66.6 | - | 71.2 | 58 |
| PIQA | 84.8 | - | 83.7 | - | 84.1 | 84.5 |
| RACE-M | 88.4 | - | 73.1 | - | 85.7 | 55.9 |
对比开源 Base 模型 - Dense
| XVERSE-MoE-A36B | XVERSE-65B-2 | Llama3.1-405B | Nemotron-4-340B | Qwen1.5-110B | Qwen2-72B | Qwen1.5-72B | Llama3.1-70B | |
|---|---|---|---|---|---|---|---|---|
| Total Params | 255B | 65B | 405B | 340B | 110B | 72B | 72B | 70B |
| MMLU | 80.8 | 74.4 | 85.2 | 81.1 | 80.4 | 84.2 | 77.5 | 79.3 |
| C-Eval | 79.5 | 72.4 | - | - | 89.1 | 91 | 84.1 | - |
| CMMLU | 81.7 | 75.1 | - | - | 88.3 | 90.1 | 83.5 | - |
| GSM8K | 89.5 | 72.6 | 89 | - | 85.4 | 89.5 | 79.5 | 83.7 |
| MATH | 53.3 | 20.8 | 53.8 | - | 49.6 | 51.1 | 34.1 | 41.4 |
| HumanEval | 51.8 | 37.8 | 61 | 57.3 | 54.3 | 64.6 | 46.3 | 58.5 |
| MBPP | 59.8 | 40.6 | 73.4 | - | 70.9 | 76.9 | 66.9 | 66.2 |
| PIQA | 84.8 | 79.4 | 85.6 | - | - | - | 83.8 | |
| RACE-M | 88.4 | 90.7 | - | - | - | - | - |
对比闭源 Chat 模型
| XVERSE-MoE-A36B | GPT-4o | abab-6.5-20240415 | Step-2 | Baichuan3 | GLM-4 (0520) | |
|---|---|---|---|---|---|---|
| Total Params | 255B | - | 万亿 | 万亿 | 千亿 | - |
| MMLU | 80.8 | 88.7 | 78.7 | 81.7 | 83.3 | |
| C-Eval | 79.5 | - | - | - | - | - |
| CMMLU | 81.7 | - | - | - | 78.1 | - |
| GSM8K | 89.5 | - | 91.7 | 94 | 88.2 | 93.3 |
| MATH | 53.3 | 76.6 | 51.3 | 68.4 | 49.2 | 61.3 |
| HumanEval | 51.8 | 90.2 | 78 | 84.1 | 70.1 | 78.5 |
| MBPP | 59.8 | - | - | - | 68.2 | - |
| PIQA | 84.8 | - | - | - | - | - |
| RACE-M | 88.4 | - | - | - | - | - |
对于上述所有比较模型，我们汇报其官方结果与自测结果之间的最大值。
- 下载本仓库：
git clone https://github.com/xverse-ai/XVERSE-MoE-A36B
cd XVERSE-MoE-A36B- 使用 pip 安装依赖：
pip install -r requirements.txt可通过以下代码加载 XVERSE-MoE-A36B 模型来进行推理：
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("xverse/XVERSE-MoE-A36B")
model = AutoModelForCausalLM.from_pretrained("xverse/XVERSE-MoE-A36B", trust_remote_code=True, torch_dtype=torch.bfloat16, device_map='auto')
model = model.eval()
inputs = tokenizer('北京的景点：故宫、天坛、万里长城等。\n深圳的景点：', return_tensors='pt').input_ids
inputs = inputs.cuda()
generated_ids = model.generate(inputs, max_new_tokens=70, eos_token_id=tokenizer.eos_token_id, repetition_penalty=1.1)
print(tokenizer.batch_decode(generated_ids, skip_special_tokens=True))可通过以下代码启动一个web server，在浏览器输入访问地址后，可使用 XVERSE-MoE-A36B 模型进行推理：
python text_generation_demo.py --port='port' --model_path='/path/to/model/' --tokenizer_path='/path/to/tokenizer/'XVERSE-MoE-A36B 与其他所有 LLM 一样，在某些情况下可能会产生不准确、有偏见或其他令人反感的内容。因此，请谨慎使用模型生成的内容，请勿将生成的有害内容进行传播，在部署任何 XVERSE-MoE-A36B 的应用之前，开发人员应根据其具体应用对模型进行安全测试和调优。
我们强烈警告不要将 XVERSE-MoE-A36B 模型用于制造或传播有害信息，或进行任何可能损害公众、国家、社会安全或违反法规的活动。如果使用 XVERSE-MoE-A36B 模型产生任何问题，无论是数据安全问题、公共舆论风险，还是模型被误解、滥用、传播或不合规使用所引发的任何风险和问题，我们将不承担任何责任。
使用本仓库的源码需要遵循 Apache-2.0 开源协议，使用 XVERSE-MoE-A36B 的模型权重则需要遵循模型许可协议。
XVERSE-MoE-A36B 模型权重对学术研究完全开放，并且支持免费商用。如需申请商业许可证，请填写【申请表】，如有其他问题或合作，请联系 opensource@xverse.cn。