Github
Huggingface
文档
论文OPT-30B项目介绍
项目背景
OPT(Open Pre-trained Transformer Language Models)是由Meta AI团队开发的一系列开放预训练Transformer语言模型。该项目旨在为研究人员提供从125M到175B参数不等的解码器模型,以促进大规模语言模型的可重复和负责任的研究。
模型特点
OPT-30B是OPT系列中的一个大型模型,具有300亿参数。它采用因果语言建模(CLM)目标进行预训练,主要使用英语文本,但也包含少量非英语数据。该模型属于与GPT-3相同的解码器模型家族,可用于文本生成和下游任务评估。
使用方法
使用OPT-30B时,建议直接调用generate方法进行文本生成,而不是使用text-generationpipeline。为了优化内存使用和加速生成,应该以半精度加载模型。用户可以通过设置do_sample参数来控制是否使用随机采样生成文本。
局限性和偏见
由于训练数据包含大量未经过滤的互联网内容,OPT-30B存在明显的偏见问题。例如,在生成与职业相关的文本时,模型可能会展现出性别刻板印象。此外,该模型还可能存在生成多样性不足和产生幻觉等质量问题。
训练数据
OPT-30B的训练语料包括BookCorpus、CC-Stories、The Pile的部分数据集、Pushshift.io Reddit数据集和CCNewsV2等。总计约800GB的数据,包含1800亿个标记。训练数据经过了基本的处理和格式化,但可能仍包含冒犯性内容。
训练过程
模型使用GPT2的字节级BPE分词器,词汇表大小为50272。输入序列长度为2048个连续标记。OPT-175B(最大模型)的训练使用了992个80GB A100 GPU,持续了约33天。
总结
OPT-30B作为一个开放的大型语言模型,为研究人员提供了宝贵的资源。然而,使用时需要注意其局限性和潜在偏见,并负责任地开展研究工作。
