Github
Huggingface
论文TransNormerLLM 项目介绍
项目背景
TransNormerLLM 是一种全新的大规模语言模型（LLM），由 OpenNLPLab 推出，旨在提供比传统基于 softmax 注意力机制的模型更高的准确性和效率。TransNormerLLM 团队重新定义了大语言模型的构建方式，其核心技术基于线性注意力机制。
项目发展
TransNormerLLM 这一新模型继承并发展了之前的线性注意力架构 TransNormer，进一步增强了定位编码、注意力加速机制、门控和归一化机制。它在标准的高质量语料库上进行了训练，数据量高达 1.4 万亿个 token。
优势和创新点
TransNormerLLM 是第一个基于线性注意力机制的 LLM，它在准确性和效率方面优于传统的 softmax 注意力机制模型。以下是其一些重要特点：
- 先进的结构：采用 LRPE 定位编码、Lightning Attention 加速，以及全新的门控和归一化机制。
- 高效计算：实现了线性复杂度的注意力机制，大大提高了计算效率。
- 多语言支持：在多个被广泛认可的中文、英文及多语言的通用和特定领域基准测试中表现出色。
- 完全开源：提供了 385M、1B 和 7B 等参数规模的基础版本，免费用于学术研究，商业使用则需申请授权。
发布情况
目前，TransNormerLLM 提供以下模型参数的基础版本，用户可以根据项目需求选择合适的版本：
- TransNormerLLM-385M：轻量级版本，适用于快速尝试。
- TransNormerLLM-1B：中等规模版本，适合稍复杂的应用需求。
- TransNormerLLM-7B：大规模版本，具备强大的语言处理能力。
基准测试
为了验证 TransNormerLLM 的性能，团队在多项逻辑推理和综合能力测试中对不同参数版本的模型进行了评估，与众多开源模型进行对比，TransNormerLLM 展现出了极强的竞争力。
部署与推理
TransNormerLLM 的模型权重、源码等已在 Hugging Face 发布，用户可以下载并进行推理和部署。官方还提供了多种推理方法的示例以帮助上手。
微调方案
TransNormerLLM 支持微调功能，开发者可以使用提供的示例数据和配置文件进行模型的监督微调，以满足特定应用需求。
社区与合作
TransNormerLLM 项目现已成为开源社区的一部分，多个相关的开源项目也在不断支持该模型的发展，期望能有更多的开发者参与其中。
免责声明与许可证
使用 TransNormerLLM 模型时需遵守 Apache 2.0 和社区许可证条款，而对于商业用途，需要联系团队获取使用授权。
TransNormerLLM 为用户提供了一个创新便捷的高效大语言模型平台，不仅能满足多语言高精度的应用需求，也为开发者提供了强大的模型扩展和二次开发能力。
希望该项目能在多领域激发更多创意和创新，推动 NLP 领域的技术进步。
