谷歌罕見open的AI，給開源大模型到底帶來了什么？

Gemma從發(fā)布到現(xiàn)在已經(jīng)時過四日，谷歌久違的這次開源，可謂是給全球科技圈投下了一枚重磅炸彈。

在最初發(fā)布之際，不論是從谷歌官方還是Jeff Dean的發(fā)文來看，都強調(diào)的是Gemma 7B已經(jīng)全面超越了同量級的Llama 2和Mistral。

在與此前最火熱的開源大模型Llama 2在細節(jié)上做比較，不論是在綜合能力，以及推理、數(shù)學和編程等能力上，完全屬于all win的狀態(tài)。

科技巨頭出品、全面對外開放、免費可商用、筆記本就能跑……各種福利標簽的加持之下，近乎讓全球的“觀眾老爺們”為之雀躍。

而就在最近，不少網(wǎng)友們也開始了對Gemma的各種測評。

例如有人就用ollama在Macbook上跑了一下Gemma 7B，所做的任務是根據(jù)文章開頭的文字來判定文章的類型。

并在體驗過后給出了評價：

還比較穩(wěn)定和準確！

還有網(wǎng)友在對Gemma和Mistral做了對比測試之后發(fā)現(xiàn)：

Gemma-7B確實能正確回答Mistral-7B回答不了的問題。

由此種種表現(xiàn)，網(wǎng)友不禁發(fā)出感慨：

谷歌打破了開源大模型的格局：形成Gemma、Llama和Mistral三足鼎立之勢。

雖然成果足以令人振奮，但似乎在開源大模型這件事上，全球的目光都還是聚焦在了國外“頂流”們的身上。

隨即而來的一個問題便是：

中國開源大模型，怎么樣了？

在開源大模型領(lǐng)域，除了歐美主流科技巨頭之外，中國“選手”也是長期占有一席之地。

那么隨著Gemma的問世，在榜單排名這件事上，是否又掀起了些許波瀾？

結(jié)果是有點意外的——

在HuggingFace的開源大模型排行榜里，Gemma排在了7B預訓練模型的第三名：

第一名和第二名均被國產(chǎn)大模型選手包攬——InternLM2（書?·浦語2.0），由商湯科技和上海AI實驗室等單位聯(lián)合打造。

那么新晉開源頂流Gemma，是在哪些細節(jié)上失分的呢？

在看完平均得分情況之后，我們繼續(xù)來看下細分賽道的情況。

首先是在綜合能力（General）上，InternLM2-7B的得分為65.8分，略高于Gemma-7B。

其次是在推理能力（Reasoning）的2個基準中上，InternLM2-7B拿到一勝一平的成績。

接下來是數(shù)學能力（Math），同樣是2個基準，InternLM2-7B在 GSM8K 評測基準中大幅超過 16 分。

最后是編程能力（Code），InternLM2-7B則是高出了整整10分。

若是將Llama-2 7B也放進來，那么InternLM2-7B則是在各項做到了完勝。

不僅如此，即便是拿7B的InternLM2和更大體量的13B Llama-2做比較，在各項細分成績中依舊是完勝。

更直觀一些，InternLM2和Gemma之間的性能比較如下：

意外嗎？其實也并不意外。

因為國產(chǎn)開源大模型在Gemma發(fā)布之前，就已經(jīng)在各種榜單中站穩(wěn)了一席之地，而且還不是曇花一現(xiàn)的那種。

例如InternLM2就是于今年1月17日“出道”，2種參數(shù)規(guī)格、3種模型版本，共計6個模型，全部免費可商用：

• InternLM2-Base（7B、20B）
• InternLM2（7B、20B）
• InternLM2-Chat（7B、20B）

當時在與全球眾多7B量級選手的同臺競技中，InternLM2便以“大圈包小圈”的姿勢在性能上取得了一定的優(yōu)勢。

而且在與ChatGPT的比較過程中，在重點能力上，例如推理、數(shù)學、代碼等方面是超越了ChatGPT的。

比如InternLM2-Chat-20B在MATH、GSM8K上，表現(xiàn)都超過ChatGPT；在配合代碼解釋器的條件下，則能達到和GPT-4相仿水平。

InternLM2還支持200K超長上下文，可輕松讀200頁財報。200K文本全文范圍關(guān)鍵信息召回準確率達95.62%。

例如在實際應用過程中，將長達3個小時的會議記錄、212頁長的財報內(nèi)容“投喂”給它，InterLM2可以輕松hold住。

在不依靠計算器等外部工具的情況下，可進行部分復雜數(shù)學題的運算和求解。

例如100以內(nèi)數(shù)學運算上可做到接近100%準確率，1000以內(nèi)達到80%準確率。

如果配合代碼解釋器，20B模型已可以求解積分等大學級別數(shù)學題。

如何做到的呢？我們從研究團隊了解到，其所采取的策略關(guān)鍵并非是卷大模型的參數(shù)，而是在數(shù)據(jù)。

在團隊看來，提煉出一版非常好的數(shù)據(jù)后，它可以支持不同規(guī)格模型的訓練：

所以首先把很大一部分精力花在數(shù)據(jù)迭代上，讓數(shù)據(jù)在一個領(lǐng)先的水平。在中輕量級模型上迭代數(shù)據(jù)，可以讓我們走得更快。

團隊為此開發(fā)了一套先進的數(shù)據(jù)清洗和過濾系統(tǒng)，核心工作分為三個關(guān)鍵部分：

1. 多維度數(shù)據(jù)價值分析：該系統(tǒng)通過評估數(shù)據(jù)的語言質(zhì)量和信息密度等多個方面，對數(shù)據(jù)的價值進行全面分析和提升。例如，研究發(fā)現(xiàn)論壇網(wǎng)頁評論對模型性能的提升作用有限。
2. 基于高質(zhì)量語料的數(shù)據(jù)擴展：團隊利用高質(zhì)量語料的特性，從現(xiàn)實世界、網(wǎng)絡(luò)資源和現(xiàn)有語料庫中收集更多相關(guān)數(shù)據(jù)，以進一步豐富數(shù)據(jù)集。
3. 目標化數(shù)據(jù)補充：通過有目的性地補充語料，特別是強化世界知識、數(shù)學邏輯和編程代碼等領(lǐng)域的核心能力，以提升數(shù)據(jù)集的深度和廣度。

如此“三步走”的系統(tǒng)設(shè)計便讓數(shù)據(jù)集得到了相應的優(yōu)化，讓它更加豐富、準確，并更好地支持模型的訓練和應用。

當然，InternLM2的開發(fā)不僅僅局限于提升模型的基礎(chǔ)性能，同時也緊跟當前的應用趨勢，對特定的下游任務進行了性能增強。

例如，針對當前流行的超長上下文處理需求，團隊指出，在工具調(diào)用、數(shù)理推理等應用場景中，需要處理更長的上下文信息。

為了應對這一挑戰(zhàn)，InternLM2通過擴大訓練窗口的容量和改進位置編碼技術(shù)，同時確保訓練數(shù)據(jù)的質(zhì)量和結(jié)構(gòu)化關(guān)系，成功地將上下文窗口的支持能力擴展到了20萬個tokens。

如此一來，不僅提高了模型處理長文本的能力，也優(yōu)化了整體的訓練效率。

這便是InternLM2從“出道”至今，即便是面對頂流Gemma依舊能夠穩(wěn)坐榜首的原因了。

結(jié)語

最后，回答一下文章最開始的那個問題——

Gemma給開源大模型到底帶來了什么？

首先，是趨勢。

自從大模型的熱度起來之后，對于開源和閉源的話題也是一直在持續(xù)。

OpenAI的ChatGPT、GPT-4等，所代表的就是閉源大模型，其所具備的實力也是有目共睹；而此前Llama、Mitral等則是開源大模型的代表。

谷歌作為AI巨頭，在此前大模型巨頭混戰(zhàn)中是略顯疲態(tài)的，畢竟作為對標產(chǎn)品的Gemini，似乎也并未能撼動OpenAI的領(lǐng)先地位。

而此次谷歌罕見的開源了大模型、發(fā)布Gemma，則是要以此來對標開源界的其它選手，并且從目前公布的成績來看，谷歌是取得了一定的優(yōu)勢。

同時，從側(cè)面也反應出了，開源項目在大模型的發(fā)展中有著重要的作用。

其次，是信心。

或許很多人對于大模型的發(fā)展依舊停留或關(guān)注于國外主流的科技巨頭。

但從各種榜單、評測的數(shù)據(jù)上來看，中國的大模型同樣也具備很強的競爭實力。

不僅僅是InternLM2-7B的開源模型，在不同參數(shù)體量的模型上，都有國產(chǎn)大模型選手在加入競爭。

而且從結(jié)果上，已然是做到了中文和英文整體能力上的全面超越。

從這一點上來看，Gemma的發(fā)布不僅是在開源大模型界新添強勢玩家這么簡單，更是給中國開源大模型，甚至整個AI大模型行業(yè)都帶來了一份信心。

總而言之，從開年到現(xiàn)在短短2個月的時間，我們能夠非常直觀感受到的一點便是大模型的戰(zhàn)場是越發(fā)的熱鬧。

不論是國內(nèi)國外、開源閉源，亦或是各種多模態(tài)，從Gemini到Gemma，從Sora到Stable Diffusion 3，各大科技廠商你追我趕的態(tài)勢愈演愈烈。

但有一點是較為明確的，那就是所有發(fā)布都在趨向于推理，趨向于如何把技術(shù)用起來。

因此，或許大模型在接下來的進程中，誰能讓自家的產(chǎn)品“快好省”地用起來，誰就能笑到最后。