建站之星官网,wordpress识图,哈尔滨市工程建设信息网,宜宾网站网站建设在强大的预训练基础上#xff0c;GLM-4-9B 的中英文综合性能相比 ChatGLM3-6B 提升了 40%。尤其是中文对齐能力 AlignBench、指令遵从能力 IFeval#xff0c;以及工程代码处理能力 Natural Code Bench 方面都实现了显著提升。
自 2023 年 3 月 14 日开源 ChatGLM-6B 以来GLM-4-9B 的中英文综合性能相比 ChatGLM3-6B 提升了 40%。尤其是中文对齐能力 AlignBench、指令遵从能力 IFeval以及工程代码处理能力 Natural Code Bench 方面都实现了显著提升。
自 2023 年 3 月 14 日开源 ChatGLM-6B 以来GLM 系列模型受到了广泛的关注和认可。特别是在 ChatGLM3-6B 开源之后开发者对智谱 AI 推出的第四代模型充满了期待。而这一期待随着 GLM-4-9B 的发布终于得到了满足。
GLM-4-9B 的诞生
为了赋予小模型10B 以下更加强大的能力GLM 技术团队经过近半年的探索推出了这一全新的第四代 GLM 系列开源模型GLM-4-9B。
创新预训练技术
在预训练过程中我们引入大语言模型进行数据筛选最终获得了 10T 高质量多语言数据。这一数据量是 ChatGLM3-6B 模型的 3 倍以上。此外我们采用了 FP8 技术进行高效的预训练相较于第三代模型训练效率提高了 3.5 倍。考虑到用户的显存需求GLM-4-9B 的参数规模从 6B 提升到了 9B。最终我们将预训练计算量增加了 5 倍从而在有限的显存条件下最大化性能。
卓越性能展示
综合以上的技术升级GLM-4-9B 具备了更强大的推理性能、更加优异的上下文处理能力、多语言支持、多模态处理以及全工具 All Tools 调用等优势。
GLM-4-9B 系列包括多个版本
基础版本GLM-4-9B8K对话版本GLM-4-9B-Chat128K超长上下文版本GLM-4-9B-Chat-1M1M多模态版本GLM-4V-9B-Chat8K
GLM-4-9B 的强大能力
基础能力
在强大的预训练基础上GLM-4-9B 的中英文综合性能相比 ChatGLM3-6B 提升了 40%。尤其是中文对齐能力 AlignBench、指令遵从能力 IFeval以及工程代码处理能力 Natural Code Bench 方面都实现了显著提升。即使对比训练量更多的 Llama 3 8B 模型GLM-4-9B 也丝毫不逊色在英文表现上略有领先而在中文学科领域GLM-4-9B 更是提升了高达 50% [性能评测图表]。
长文本处理能力 图片
GLM-4-9B 模型的上下文长度从 128K 扩展到了 1M tokens意味着能同时处理多达 200 万字的输入相当于两本《红楼梦》或 125 篇学术论文的长度。GLM-4-9B-Chat-1M 模型在“大海捞针”实验中成功展示了其出色的无损处理长文本输入的能力 [长文本实验图示]。
以下是两个展示长文本处理能力的 demo 视频案例
GLM-4-9B-Chat 模型 输入 5 个 PDF 文件总长度约为 128K给出写一篇关于中国大模型发展的详细调研报告的 prompt。模型能够快速生成高质量的调研报告视频未加速。GLM-4-9B-Chat-1M 模型 输入《三体》全集约 90 万字要求模型给该小说写续集大纲的 prompt。模型合理规划并给出续写框架视频加速 10 倍。
多语言支持
GLM-4-9B 支持多达 26 种语言包括汉语、英语、俄语等。我们将 tokenizer 的词表大小从 65K 扩展到 150K编码效率提高了 30%。在多语言理解和生成任务中GLM-4-9B-Chat 显著超越 Llama-3-8B-Instruct [多语言性能比较图]。
Function Call 能力
GLM-4-9B 的函数调用能力相较上一代提升了 40%在 Berkeley Function-Calling Leaderboard 上其 Function Call 能力与 GPT-4 不相上下 [函数调用性能对比图表]。
All Tools 全工具调用
“All Tools”能力即模型可以理解和使用各种外部工具如代码执行、联网浏览、画图等来辅助完成任务。在 1 月 16 日的 Zhipu DevDay 上GLM-4 模型全线升级了 All Tools 能力可以智能调用网页浏览器、代码解释器、CogView 等工具完成复杂请求 [All Tools 任务图示]。
多模态处理
GLM-4V-9B 作为 GLM-4 基座的开源多模态模型能够处理高分辨率输入将视觉和文本数据直接混合进行训练展现了显著的多模态处理效果与 GPT-4V 性能相当。在识别和处理复杂多模态任务时表现非常出色 [多模态应用实例图]。 图片
未来展望
GLM-4-9B 展现了其在多种任务中的强大性能是自然语言处理领域的一大突破。无论是学术研究还是工业应用GLM-4-9B 都将成为您的不二选择。
我们诚挚邀请您加入 GLM-4 的使用者行列共同探索这款卓越模型带来的可能性
GitHub 仓库Hugging Face 模型页面魔搭社区
