【InternLM 实战营笔记】书生·浦语大模型全链路开源体系

书生·浦语大模型全链路开源体系

大模型成为发展通用人工智能的重要途径

专用模型：针对特定任务，一个模型解决一个问题
通用大模型：一个模型应对多种任务、多种模态

书生浦语大模型开源历程

2023.6.7：InternLM千亿参数语言大模型发布
2023.7.6：InternLM千亿参数大模型全面升级，支持8K语境、26种语言。
全面开源，免费商用：InternLM-7B模型、全链条开源工具体系
2023.8.14：书生万卷1.0多模态预训练语料库开源发布
2023.8.21：升级版对话，模型InternLM-Chat-7B v1.1发布，开源智能体框架Lagent，支持从语言模型到智能体升级转换
2023.8.28：InternLM千亿参数模型参数量升级到123B
2023.9.20：增强型InternLM-20B开源，开源工具链全线升级

书生浦语20B开源大模型性能

• 全面领先相近量级的开源模型（包括Llama-33B、Llama2-13B以及国内主流的7B、13B开源模型）
• 以不足三分之一的参数量、达到Llama2-70B水平

书生浦语全链条开源开放体系

数据：书生万卷 2TB数据，覆盖多种模态与任务

预训练：InternLM-Train 并行训练、极致优化速度达到3600tokens/sec/gpu

微调：XTuner 支持全参数微调，支持LoRA等低成本微调

部署：LMDeploy 全链路部署、性能优先，每秒生成2000+ tokens

评测：OpenCompass 全方位评测，性能可复现，80套评测集，40万道题目

应用：AgenitLego 支持多种智能体，支持代码解释器等多种工具