终于！中文基座模型CPM-Bee开源了

2023-05-27 23:15 作者:OpenBMB 0人读过 | 我要投稿

自OpenBMB开源社区成立以来，我们就坚定不移地践行“让大模型飞入千家万户”的理念，开发模型全流程加速系统以高效支持大模型的预训练、微调、应用和推理，并发起 百亿大模型训练直播项目CPM-Live。

终于！CPM-Live 第二阶段的进度条终于拉到了100%，我们迎来了CPM-Live第二个里程碑：CPM-Bee 开源发布！

全新升级｜ CPM-Ant 蝶变 CPM-Bee

CPM（Chinese Pretrained Model) 系列大模型是我们团队自研模型，其中包括国内首个中文大模型 CPM-1、高效易用大模型 CPM-2、可控持续大模型 CPM-3 等。最新的百亿大模型训练直播项目 CPM-Live 的计划书在2022年5月26日发布，第一期模型 CPM-Ant 的训练在2022年5月29日正式启动，并于2022年9月16日圆满发布报告。

作为 CPM-Live 的第二期模型，CPM-Bee 在2022年10月13日开启训练，在基础能力和性能表现上都在 CPM-Ant 的基础上进行了全新升级。CPM-Bee 一网打尽多种能力，可以准确地进行语义理解，高效完成各类基础任务，包括：文字填空、文本生成、翻译、问答、评分预测、文本选择题 等等。考虑到用户使用模型的易用性，我们在预训练阶段将模型的输入输出设计成了JSON 结构化形式，用户只需调整不同任务字段，就可以完成各类任务。

CPM-Bee 是一个 完全开源、允许商用 的百亿参数中英文基座模型。它采用 Transformer 自回归架构（auto-regressive），使用万亿级高质量语料进行预训练，拥有强大的基础能力。CPM-Bee 的特点可以总结如下：

开源可商用：OpenBMB 始终秉承“让大模型飞入千家万户”的开源精神，CPM-Bee 基座模型将完全开源并且可商用，以推动大模型领域的发展。如需将模型用于商业用途，只需企业实名邮件申请并获得官方授权证书，即可商用使用。
中英双语性能优异：CPM-Bee 基座模型在预训练语料上进行了严格的筛选和配比，同时在中英双语上具有亮眼表现，具体可参见评测任务和结果。
超大规模高质量语料：CPM-Bee基座模型在万亿级语料上进行训练，是开源社区内经过语料最多的模型之一。同时，我们对预训练语料进行了严格的筛选、清洗和后处理以确保质量。
OpenBMB大模型系统生态支持：OpenBMB 大模型系统在高性能预训练、适配、压缩、部署、工具开发了一系列工具，CPM-Bee 基座模型将配套所有的工具脚本，高效支持开发者进行进阶使用。
强大的对话和工具使用能力：结合OpenBMB 在指令微调和工具学习的探索，我们在 CPM-Bee 基座模型的基础上进行微调，训练出了具有强大对话和工具使用能力的实例模型，现已开放定向邀请内测，未来会逐步向公众开放。

🔗 Github地址 https://github.com/OpenBMB/CPM-Bee

🔗 Hugging Face地址 https://huggingface.co/openbmb/cpm-bee-10b

🔗 CPM-Bee商用申请通道 发送申请邮件至 cpm@modelbest.cn 获取授权证书

百炼千锤｜零样本评测独占鳌头

我们对 CPM-Bee 基座模型进行了全方位的中英文能力评测。在中文的 Zero-CLUE 评测基准上，CPM-Bee 可以大幅超越其他模型，稳居中文大模型第一。

在英文评测基准上，CPM-Bee 也 展现出了和开源模型 LLaMA 相当的效果。

使用CPM-Bee提供的API 与 OpenBMB 和 THUNLP联合自研的Decoder Tuning（ACL 2023）技术，可以在 不访问和修改模型参数的情况下大幅提高下游任务的性能！

生态支持｜微调压缩部署一应俱全

基于 OpenBMB 的大模型生态系统，我们在训练 CPM-Bee 的过程中实现了全流程高效。同时提供了训练（基于 BMTrain）、微调（基于 OpenPrompt 和 OpenDelta）、外部工具使用（基于 BMTools）、模型压缩（基于 BMCook）低资源推理（基于 BMInf）的全套脚本，可以协助开发者快速上手和使用 CPM-Bee。