在人工智能和自然语言处理领域,大语言模型(LLM)的发展日新月异。近日,中科闻歌推出了新一代开源大语言模型YAYI2,为多语言大模型的发展注入了新的活力。YAYI2采用了超过2万亿Tokens的高质量、多语言语料进行预训练,在多项基准测试中展现出卓越性能,为中文大语言模型开源社区的发展做出了重要贡献。
YAYI2是一个基于Transformer架构的大语言模型,包括Base和Chat两个版本,参数规模为30B。该模型采用了大规模的多语言语料进行预训练,涵盖中文、英文等十余种常用语言。为了更好地适应通用和特定领域的应用场景,研发团队采用了百万级指令进行微调,并借助人类反馈强化学习(RLHF)方法,使模型与人类价值观更好地对齐。
YAYI2的一大特色在于其强大的多语言处理能力。研发团队使用500GB高质量多语种语料训练了分词器,采用Byte-Pair Encoding(BPE)算法,词表大小为81920。这不仅提高了模型对多语言的理解和生成能力,还为跨语言应用奠定了基础。
在多个权威基准测试中,YAYI2展现出了优异的性能。研发团队在C-Eval、MMLU、CMMLU、AGIEval、GAOKAO-Bench、GSM8K、MATH、BBH、HumanEval以及MBPP等多个测试集上进行了评估,涵盖了语言理解、学科知识、数学推理、逻辑推理以及代码生成等多个方面。
值得一提的是,YAYI2-30B在多个测试中超越了同等规模的开源模型:
这些优异的成绩充分证明了YAYI2在多语言处理、知识理解、逻辑推理等方面的全面实力。
中科闻歌选择开源YAYI2-30B Base模型,旨在推动中文预训练大模型开源社区的发展。通过开源,YAYI2为研究人员和开发者提供了一个强大的工具,有助于促进大语言模型技术的创新和应用。
为了方便社区使用和二次开发,YAYI2项目提供了详细的使用说明和示例代码。用户可以通过简单的Python代码快速加载模型并进行推理。此外,项目还支持全参数微调和LoRA微调,为不同规模的应用场景提供了灵活的选择。
YAYI2的成功离不开高质量的训练数据和精心设计的数据处理流程。研发团队构建了一套全方位提升数据质量的处理流水线,包括标准化、启发式清洗、多级去重和毒性过滤四个关键模块。从240TB的原始数据中,最终筛选出10.6TB的高质量数据用于模型训练。
在预训练阶段,YAYI2不仅使用了大量互联网数据,还incorporates了精选的通用数据和领域特定数据,以增强模型的专业知识和技能。数据分布涵盖了社交媒体、新闻、百科、问答、学术文献等多个领域,确保了模型知识的广泛性和多样性。
YAYI2的发布为中文大语言模型的发展开辟了新的可能性。其强大的多语言处理能力和卓越的性能表现,使其在自然语言理解、知识问答、文本生成、代码编程等多个领域具有广阔的应用前景。
未来,YAYI2团队计划进一步优化模型性能,扩大支持的语言范围,并探索更多垂直领 域的应用。同时,通过与开源社区的紧密合作,YAYI2有望在推动大语言模型技术创新和应用落地方面发挥更大的作用。
YAYI2的推出标志着中国在大语言模型领域取得了重要进展。作为一个开源项目,YAYI2不仅为研究人员和开发者提供了宝贵的资源,也为推动人工智能技术的民主化和普及做出了重要贡献。随着更多开发者和企业加入YAYI2生态系统,我们有理由期待看到更多基于该模型的创新应用和突破性成果。
YAYI2的成功再次证明,开源合作是推动技术进步的重要力量。通过开放共享、协作创新,我们能够共同构建更加智能、更具包容性的人工智能未来。让我们共同期待YAYI2在未来带来的无限可能!
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。
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。
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。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号