最近，業(yè)內眾多大模型基準又迎來了一輪 “實力值” 更新。

繼 11 月初零一萬物發(fā)布 Yi-34B 基座模型后，Yi-34B-Chat 微調模型在 11 月 24 日開源上線 ，短時間登陸了全球多個英文、中文大模型權威榜單，再度獲得了全球開發(fā)者的關注。

其中，在斯坦福大學提出的大語言模型評測基準 AlpacaEval 上，Yi-34B-Chat 以 94.08% 的勝率，超越 LLaMA2 Chat 70B、Claude 2、ChatGPT，在 Alpaca 經(jīng)認證的模型類別中，成為業(yè)內僅次于 GPT-4 英語能力的大語言模型，并且是經(jīng)由 Alpaca 官方認證為數(shù)不多的開源模型。

AlpacaEval Leaderboard 排行榜（發(fā)布于 2023 年 12 月 7 日）

與此同時，在加州大學伯克利分校主導的 LMSYS ORG 排行榜中，Yi-34B-Chat 也以 1102 的 Elo 評分晉升最新開源 SOTA 開源模型之列，性能表現(xiàn)追平 GPT-3.5。

在各類大模型評測中，伯克利 LMSYS ORG 較為特殊，其采用了較為接近用戶體感的 “聊天機器人競技場” 測評模式，讓眾多大語言模型在評測平臺隨機進行一對一 battle，通過眾籌真實用戶來進行線上實時盲測和匿名投票，11 月份經(jīng) 2.5 萬真實用戶投票總數(shù)計算了 20 個大模型的總得分。Elo 評分越高，說明模型在真實用戶體驗上的表現(xiàn)越出色，可說是眾多大模型評測集中最能展現(xiàn) “Moment of Truth 真實關鍵一刻” 的用戶導向體驗對決。

在開源模型中，Yi-34B-Chat 英語能力達到了較高水準，LMSYS ORG 在 12 月 8 日官宣 11 月份總排行時評價：“Yi-34B-Chat 和 Tulu-2-DPO-70B 在開源界的進擊表現(xiàn)已經(jīng)追平 GPT-3.5?！?/span>

LMSYS ORG 榜單（發(fā)布于 2023 年 12 月 8 日） 

中文能力方面，Yi-34B-Chat 微調模型同樣有了進步。

SuperCLUE 是一項針對中文能力的排行榜，從基礎能力、專業(yè)能力和中文特性能力三個不同的維度，評估模型的能力。根據(jù) 11 月底發(fā)布的《SuperCLUE 中文大模型基準評測報告 2023》，11 月下旬首度發(fā)布的 Yi-34B Chat，晉升到了和諸多國產(chǎn)優(yōu)秀大模型齊平的 “卓越領導者” 象限，在多項基準評測中的 “SuperCLUE 大模型對戰(zhàn)勝率” 這項關鍵指標上，Yi-34B-Chat 取得 31.82% 的勝率，僅次于 GPT4-Turbo。

中文 SuperCLUE 排行榜（發(fā)布于 2023 年 11 月 28 日）

面向開發(fā)者，Yi-34B-Chat 微調模型提供了 4bit/8bit 量化版模型，其中 Yi-34B-Chat 4bit 量化版模型可以直接在 RTX 3090 等消費級顯卡上使用。

Yi-34B-Chat 在不同對話場景中表現(xiàn)如何？來看幾個更直觀的問題演示：

【知識與生成】：Transformer 模型結構能不能走向 AGI ?

【創(chuàng)意文案】：給我生成一個小紅書文案，給大家安利一只豆沙色的口紅。

【中文理解】：小王給領導送了一份禮物后。領導說：“小王，你這是什么意思？” 小王：“一點心意，意思意思?！?領導：“你這就不夠意思了?！?小王：“小意思，小意思?！?領導：“小王，你這人真有意思?！?小王：“也沒什么別的意思。” 領導：“那我多不好意思。” 小王：“是我不好意思?！?這個意思到底是什么意思？

據(jù)零一萬物介紹，目前 Yi-34B-Chat 模型實現(xiàn)的能力，除了要歸功于 Yi 系列強基座的貢獻以外，還得益于其人工智能對齊（AI Alignment）等技術。研究團隊采用了一系列創(chuàng)新對齊策略，通過精心設計的指令微調流程，不僅強化了模型在理解和適應人類需求方面的能力，還使得模型與人類價值觀對齊，包括幫助性（Helpful），可靠性（Honest），無害性（Harmless）等。

在強基座設定下，該團隊采用了一種輕量化指令微調方案，該方案涵蓋了單項能力提升和多項能力融合兩個階段。

其中，單項能力包括通用指令跟隨、創(chuàng)意內容生成、數(shù)學、推理、編程、泛 COT、對話交互等。通過大量的消融實驗，針對模型單能力構建和多能力融合總結了獨家認知經(jīng)驗。

在數(shù)據(jù)的量和質方面，一方面，研究團隊在強基座模型上，實現(xiàn)僅需要少量數(shù)據(jù)（幾條到幾百條），就能激發(fā)模型特定單項能力；另一方面，數(shù)據(jù)質量比數(shù)量重要，少量高質量數(shù)據(jù)比大量低質量數(shù)據(jù)更好。通過關注超出模型能力的 “低質量” 數(shù)據(jù)，減少了模型 “幻覺”。

在指令多樣性與難度方面，研究團隊通過在各能力項下構建任務體系，實現(xiàn)了訓練數(shù)據(jù)中的指令均衡分布，大幅提升了模型泛化性。通過復合指令構造和指令難度進化，不僅提升了模型效果，也顯著降低了對數(shù)據(jù)量的需求。

在風格一致性方面，研究團隊發(fā)現(xiàn)訓練數(shù)據(jù)的風格會影響模型收斂速度和能力上限的逼近程度，因此統(tǒng)一了回復風格，比如重點設計了 CoT 的回復風格，實現(xiàn)在輕量 SFT 情況下，避免了風格不一致加劇模型的 “記憶” 現(xiàn)象。

在多能力融合階段，研究團隊采用網(wǎng)格搜索的方法來決定數(shù)據(jù)配比和超參數(shù)的設置，通過基準測試和自建評測集的結果來指導搜索過程，成功實現(xiàn)模型的多能力融合。

為促進大語言模型的生態(tài)發(fā)展，零一萬物宣布，邀請全球開發(fā)者共同測試使用 Yi-34B-Chat 模型能力，一起搭建 Yi 開源模型的應用生態(tài)體系。

Yi 模型開源滿月，創(chuàng)新生態(tài)逐漸豐富

Yi 模型開源首月，在 Hugging Face 社區(qū)下載量已達 16.8 萬，魔搭社區(qū)下載量 1.2 萬，此外在 GitHub 獲得了超過 4900 個 Stars。

多家知名公司和機構推出了基于 Yi 模型基座的微調模型，如獵豹旗下的獵戶星空公司推出的 OrionStar-Yi-34B-Chat 模型，南方科技大學和粵港澳大灣區(qū)數(shù)字經(jīng)濟研究院（簡稱 IDEA 研究院）認知計算與自然語言研究中心（簡稱 CCNL 中心）聯(lián)合發(fā)布的 SUS-Chat-34B 等。而 AMD 和 Hugging Face 合作的 GPU 加速大模型的實驗中，也選擇了 Yi-6B 作為范例項目。

知名技術寫作者蘇洋表示，在他觀察的近期 Hugging Face 榜單中，前三十名有一半多都是 Yi 和其他用戶微調的 Yi-34B 的變體模型，原本占據(jù)榜單頭部的 68B 和 70B 模型的數(shù)量目前只留有幾個，“從這點看 Yi 對于開源生態(tài)的幫助還是非常巨大的。”

Eric Hartford：成為 Yi-34B 的忠實擁躉

Eric Hartford，Hugging Face 社區(qū)開發(fā)者

Yi-34B 開源發(fā)布后，開發(fā)者 Eric Hartford 發(fā)現(xiàn)了模型存在的一個小問題。

他在郵件中寫道，“感謝你們提供了一個優(yōu)秀的模型。Yi 模型使用了與 LLaMA 模型完全相同的架構，只是將兩個張量改了名字。由于圍繞 LLaMA 架構有很多投資和工具，保持張量名稱的一致性是有價值的?！盓ric 建議，在 Yi 被廣泛傳播前，及時恢復張量名稱。

零一萬物意識到命名問題的疏忽對開發(fā)者造成的不便，跟 Eric 和其他開發(fā)者提出說明，表達誠摯的歉意，并很快便在各開源平臺重新提交模型及代碼，完成了開源社區(qū)的版本更新。

然而 Eric 沒有料想到，他的建議在國內引發(fā)了輿論關于 Yi 模型 “抄襲” LLaMA 的質疑。 

在大模型領域，技術架構、微調和數(shù)據(jù)同等重要。在沿用了開源社區(qū)普遍使用的 LLaMA 架構之上，零一萬物團隊用高質量的數(shù)據(jù)集、自研訓練科學和 AI Infra 打造了 Yi-34B 在內的系列模型。零一萬物表示，為了執(zhí)行對比實驗的需要，對部分推理參數(shù)進行了重新命名。原始出發(fā)點是為了充分測試模型，而非刻意隱瞞來源。 

面對新出現(xiàn)的輿論，Eric 自發(fā)為 Yi 進行了辯護。

他在 X（twitter）上寫道，“他們沒有在任何事情上撒謊。所有的模型都是在相互借鑒架構。架構是學術研究的產(chǎn)物，已經(jīng)發(fā)表在論文中，任何人都可以自由使用，這絲毫不減損 Yi 團隊的成就。他們從零開始使用自己創(chuàng)建的數(shù)據(jù)集訓練 Yi，對開源領域的貢獻是值得贊揚的?！?/span>

他又表示，“使用 Llama 架構沒有任何問題。訓練才是關鍵。Yi 給了我們目前可獲得的最佳模型，沒有任何可抱怨的?！?/span>

蘇洋：Yi-34B 在很多細分場景可替換 GPT-3.5

蘇洋，數(shù)字化創(chuàng)業(yè)者，開發(fā)者，技術寫作者

蘇洋表示，他已嘗試使用個人的機器學習主機，在純 CPU 環(huán)境、CPU & GPU 混合環(huán)境下對 Yi-34B 模型進行了測試，結果比想象中要好。

其中社區(qū) finetune 后的版本，在對新聞、研究報告的摘要總結方面，對非結構化的信息中的實體識別和抽取上表現(xiàn)非常不錯。另外早期在官方還未推出 Chat 版本時，來自社區(qū)的 Chat 版本在對話的過程中，通史類的問答表現(xiàn)也非常不錯。當然，可能是由于零一在訓練過程中，出于安全考慮，過濾太多語料的緣故，一些本土化的內容仍然不夠深入。

目前，在 Hugging Face 的榜單上，前三十名有一半多都是 Yi 和其他用戶微調的 Yi-34B 的變體模型，原本占據(jù)榜單頭部的 68B 和 70B 模型的數(shù)量目前只留有幾個，從這點看 Yi 對于開源生態(tài)的幫助還是非常巨大的。

與 68 和 70B 模型相比，34B 普通用戶努努力還是能自己相對低成本跑起來的，同時成績相較差異不多。換言之，企業(yè)想部署使用，所需要的成本也可以得到非常大的節(jié)約。

目前國產(chǎn)大模型在開源榜單上已經(jīng)是第一梯隊，但如果把競爭范圍追加到閉源模型、尤其是海外的模型，仍有很大的距離要去追趕。目前的普遍體驗是開源模型最多只有 GPT-3.5 + 的水平。

蘇洋認為，相信國產(chǎn)大模型是能夠很快追趕至第一梯隊的。

只要底子好，堅持使用開源的正確路線和方法，做好本地化適配和調優(yōu)，就有希望。

Yi 模型地址：

• https://huggingface.co/01-ai/
• https://www.modelscope.cn/organization/01ai