Skywork:开源的高性能双语基础大模型

RayRay
Skywork-13B-BaseSkywork-13B-ChatSkywork-13B-MathSkywork-13B-MMSkywork/Skypile-150BGithub开源项目

Skywork:开源的高性能双语基础大模型

Skywork是由昆仑万维集团·天工团队开发的一系列开源大语言模型,近期发布了多个13B参数规模的模型,包括Skywork-13B-Base、Skywork-13B-Chat、Skywork-13B-Math和Skywork-13B-MM等。这些模型在多项评测中展现出了同等规模模型中的最佳性能,为开源AI社区带来了强大的基础模型选择。

模型特点

Skywork-13B-Base是Skywork系列的基础模型,具有以下主要特点:

  1. 训练数据丰富多样:在3.2万亿个多语言(主要是中文和英文)和代码数据上进行预训练,其中英文占52.2%,中文占39.6%,代码占8%。

  2. 模型结构优化:采用52层的"瘦长"网络结构,相比Llama-2-13B的40层结构,在大batch size训练下可获得更好的泛化效果。

  3. 词表扩充:使用65,536大小的词表,包含32,000个拉丁字符和子词、8,000个汉字和Unicode符号、25,519个汉语词语。

  4. 两阶段训练:第一阶段使用通用语料进行基础训练,第二阶段加入STEM相关数据进一步增强模型的推理和问题解决能力。

  5. 开放评估:公开了详细的评估方法和数据,包括领域数据困惑度评估和多个权威benchmark测试。

Skywork logo

模型评估结果

在领域数据困惑度评估中,Skywork-13B-Base在技术文章、电影评论、政务报告、游戏、金融和通用领域等6个领域的平均困惑度为9.42,优于其他同等规模的开源中文模型。

在权威benchmark评估中,Skywork-13B-Base的表现如下:

  • C-Eval: 60.6
  • CMMLU: 61.8
  • MMLU: 62.1
  • GSM8K: 55.8

这些结果显示Skywork-13B-Base在中文开源模型中处于前列,在13B参数规模下达到了最优水平。

开源贡献

除了模型本身,Skywork项目还开源了以下重要资源:

  1. Skypile-150B数据集:包含约150B token的高质量中文预训练数据,是目前最大的开源中文数据集。

  2. 评估数据和方法:公开了领域数据困惑度评估的数据和脚本,以及多个benchmark的评估结果。

  3. 模型中间存档:开源了模型在500B、1T、1.5T等多个训练阶段的中间存档,有助于研究大模型能力的演化过程。

  4. 训练细节:分享了数据处理、模型结构设计、训练方法等详细信息。

使用和部署

Skywork系列模型支持通过Hugging Face、ModelScope等平台下载使用。项目提供了详细的快速开始指南,包括依赖安装、模型加载、推理示例等。此外,还提供了8bit量化版本,方便在消费级显卡上部署。

对于想要进一步优化模型的用户,项目还提供了全量微调和LoRA微调的示例脚本。

开源协议

Skywork模型采用开放的社区许可协议,支持商业用途,但要求使用者遵守相关条款,不得用于危害国家社会安全或违法的活动。

结语

Skywork项目为开源AI社区带来了高性能的双语基础模型,以及丰富的训练数据和评估资源。其开放透明的态度和全面的技术分享,将有力推动大语言模型技术的发展和应用。随着项目的持续更新和社区的广泛参与,我们可以期待Skywork在未来带来更多突破性的进展。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多