大模型部署_书生浦语大模型 _作业1基本理论

书生·浦语大模型全链路开源体系

1 、简介：

上海人工智能实验室与商汤科技联合香港中文大学、复旦大学发布新一代大语言模型书生·浦语2.0（InternLM2）。这个大模型包含70亿和200亿两种参数规格，以及基座、对话等版本，向全社会开源并提供免费商用授权。

书生·浦语2.0（英文名：InternLM2）核心理念：回归语言建模的本质，致力于通过提高语料质量及信息密度，实现模型基座语言建模能力获得质的提升，进而在数理、代码、对话、创作等各方面都取得长足进步，综合性能达到同量级开源模型的领先水平。InternLM2是在2.6万亿token的高质量语料上训练得到的。沿袭第一代书生·浦语（InternLM）的设定，InternLM2包含7B及20B两种参数规格及基座、对话等版本，满足不同复杂应用场景需求。秉持“以高质量开源赋能创新”理念，上海AI实验室继续提供InternLM2免费商用授权。2023年6月7日正式上线千亿大模型InternLM，2024年1月17日InternLM2开源

各个平台的开源地址

GitHub：github.com/InternLM/InternLM

HuggingFace：huggingface.co/internlm

ModelScope：modelscope.cn/organization/Shanghai_AI_Laboratory

OpenXLab：openxlab.org.cn/models/InternLM

2、  内容

 官网：模型-OpenXLab

 哔站：书生·浦语大模型全链路开源体系_哔哩哔哩_bilibili

（1）书生浦语大模型发展历程

 （2）体系

 （3）亮点

（4）全链路体系构建 

数据集-OpenDataLab数据集-OpenDataLab：

上海人工智能实验室（上海AI实验室）于2023年8月14日宣布开源发布“书生·万卷” 1.0多模态预训练语料。
据了解，“书生·万卷”的主要构建团队——OpenDataLab旨在建设面向人工智能开发者的超大规模、高质量、多模态开放数据服务平台，致力于打造国内公开数据资源的基础建设。
目前，该平台已建立共享的多模态数据集5500个，涵盖超过1万亿token文本语料、60亿张图像、8亿个视频片段和100万个3D模型。

3、技术报告

InternLM2 ： https://arxiv.org/pdf/2403.17297.pdf

InternLM2是由上海人工智能实验室、商汤科技集团、香港中文大学和复旦大学共同开发的一款开源大型语言模型（LLM）。它在多个维度和基准测试中超越了前身模型，包括长文本建模和开放式主观评估。InternLM2的预训练过程非常注重多样化数据类型的准备，如文本、代码和长文本数据，并通过创新的预训练和优化技术实现了高效的长期依赖捕捉。

InternLM2在预训练阶段首先使用4k的上下文文本，然后过渡到高质量的32k文本进行进一步训练。它采用了Group Query Attention（GQA）以较小的内存占用推断长序列，并在预训练和微调阶段表现出色，特别是在200k的“针堆”测试中。此外，InternLM2还通过监督式微调（SFT）和一种新颖的条件在线强化学习（COOL RLHF）策略进一步对齐，以解决人类偏好冲突和奖励黑客问题。

InternLM2模型在不同训练阶段和不同模型大小的发布，为社区提供了对模型演化的洞察。它在多个下游任务上的表现经过了全面评估，包括语言和知识、推理和数学、编程、长文本建模和工具使用等方面。评估结果显示，InternLM2在多个任务上均取得了优异的性能。

在基础设施方面，InternLM2使用了InternEvo这一高效轻量级的预训练框架，该框架支持在数千个GPU上扩展模型训练。它通过数据、张量、序列和流水线并行性，以及各种Zero Redundancy Optimizer (ZeRO)策略，显著降低了训练所需的内存占用。

在模型结构方面，InternLM2采用了与LLaMA相似的Transformer架构，并进行了一些调整以提高效率和支持多样化的张量并行性变换。这些调整包括合并Wk、Wq和Wv矩阵，以及重新配置矩阵布局以适应不同的分布式计算环境。

在对齐方面，InternLM2采用了监督式微调和强化学习从人类反馈（RLHF）的两阶段方法。提出了COOL RLHF，它采用条件奖励模型来协调不同的偏好，并执行多轮PPO以减轻每个阶段出现的奖励黑客问题。

最后，在评估和分析方面，InternLM2在多个基准测试中展示了其卓越的性能，包括综合考试、语言和知识、推理和数学、编程、长文本建模和工具使用等。此外，还讨论了数据污染的问题，以及它对模型性能和可靠性的影响。