访问官网
Github
Huggingface
文档
论文项目概述
Falcon2-11B是由阿联酋技术创新研究院(TII)开发的一个大型语言模型。这是一个拥有110亿参数的因果解码器模型，它在超过5万亿个token的RefinedWeb数据集上进行训练。该模型采用TII Falcon 2.0许可证发布，这是一个基于Apache 2.0的开放许可证。
模型特点
该模型具有以下突出特点：
- 支持多语言处理能力，包括英语、德语、西班牙语、法语、意大利语等11种语言
- 采用8192 tokens的上下文长度，具有较强的长文本处理能力
- 使用了先进的FlashAttention-2注意力机制，提升了模型性能
- 在多个基准测试中展现出优秀性能，如ARC-Challenge、HellaSwag等测试
技术架构
Falcon2-11B的架构主要基于GPT-3模型，但做了以下改进：
- 使用旋转位置编码(Rotary Position Embedding)
- 采用多查询注意力机制(Multiquery Attention)
- 并行化的注意力层和MLP层
- 模型包含60层，模型维度为4096，词表大小为65024
训练细节
模型训练采用了四阶段策略：
- 第一阶段：2048上下文长度，训练4500B tokens
- 第二阶段：4096上下文长度，训练250B tokens
- 第三阶段：8192上下文长度，训练250B tokens
- 第四阶段：8192上下文长度，训练500B tokens，使用高质量数据
训练基础设施：
- 硬件：1024个A100 40GB GPU
- 使用3D并行策略结合ZeRO优化
- 训练时间约两个月
使用建议
- 该模型适合作为基础模型进行进一步微调
- 建议在实际应用前进行充分的风险评估
- 需要PyTorch 2.0或更高版本支持
- 可用于研究大型语言模型或特定任务的微调，如文本生成、聊天机器人等
- 不建议直接用于生产环境，除非经过适当的安全评估和优化
局限性
- 主要针对英语等11种语言优化，对其他语言支持有限
- 可能携带网络数据中常见的刻板印象和偏见
- 作为原始预训练模型，需要针对具体应用场景进行微调
- 在生产环境使用前需要建立适当的安全护栏
