來自：劉聰NLP

寫在前面

大模型時代，根據(jù)大模型縮放定律，大家通常都在追求模型的參數(shù)規(guī)模更大、訓(xùn)練的數(shù)據(jù)更多，從而使得大模型涌現(xiàn)出更多的智能。但是，模型參數(shù)越大部署壓力就越大。即使有g(shù)ptq、fastllm、vllm等推理加速方法，但如果GPU資源不夠也很難保證高并發(fā)。

那么如何在模型變小的同時，模型效果不明顯下降，在指定任務(wù)上也可以媲美大模型的效果呢？

Google前幾天發(fā)布的Gemini，在移動端采用1.8B參數(shù)模型面向低端手機(jī)，3.25B參數(shù)模型面向高端手機(jī)。

An overview of the Gemini 1.0 model family

而微軟最近也是推出了2.7B的Phi-2模型，評測效果絕群。

Averaged performance on grouped benchmarks compared to popular open-source SLMs

Comparison between Phi-2 and Gemini Nano 2 Model on Gemini’s reported benchmarks

恰好筆者前段時間也在研究1-2B參數(shù)量左右的模型，因此寫寫心得體會；并匯總了一下現(xiàn)在市面上開源的1-2B參數(shù)量的大模型。

這波反向操作，佛曰：不可說。

如何使大模型變小

模型壓縮的方法包括：用更多的數(shù)據(jù)硬訓(xùn)練小模型、通過大模型對小模型進(jìn)行蒸餾、通過大模型對小模型進(jìn)行剪枝、對大模型進(jìn)行量化、對大模型進(jìn)行低秩分解。

Taxonomy of Model Compression methods for Large Language Models

但是模型參數(shù)量變小還是硬訓(xùn)練或蒸餾一個參數(shù)量小的模型，剪枝和量化只是對模型進(jìn)行推理加速，本質(zhì)上參數(shù)量沒有變少。

對于預(yù)訓(xùn)練階段來說，往往需要更多的數(shù)據(jù)硬訓(xùn)練。參數(shù)規(guī)模不夠，只能數(shù)據(jù)質(zhì)量和數(shù)據(jù)數(shù)量來湊。

Textbooks Are All You Need

而在指令微調(diào)階段，往往是蒸餾更優(yōu)秀的大模型，來讓小模型效果更好。利用GPT3.5、GPT4的數(shù)據(jù)直接指令微調(diào)是對閉源大模型蒸餾的方法之一，也是目前大家主流的做法。但也可以在蒸餾過程中，利用閉源大模型充當(dāng)一個裁判來判別教師模型回答和學(xué)生模型回答的差異，讓學(xué)生模型向老師模型（閉源）進(jìn)行反饋，重點是找到困難數(shù)據(jù)讓學(xué)生模型進(jìn)行更好的學(xué)習(xí)。

Lion: Adversarial Distillation of Proprietary Large Language Models

當(dāng)然如果你本身擁有更大更好的大模型，那么就可以用標(biāo)準(zhǔn)的知識蒸餾來進(jìn)行模型蒸餾，利用KL散度，對教師模型和學(xué)生模型輸出概率分布之間的差異進(jìn)行訓(xùn)練學(xué)習(xí)。

將更大模型的效果蒸餾到小模型上，會比硬訓(xùn)練的效果要理想，但首先要有一個可獲取網(wǎng)絡(luò)各層logits的大&好&強(qiáng)的模型。

訓(xùn)練1-2B參數(shù)規(guī)模使我痛并快樂

訓(xùn)練1-2B模型讓我又找到了全量調(diào)參的快樂，之前受顯卡限制，都是Lora、QLora等方法訓(xùn)練。

模型部署階段，再也不用為顯存發(fā)愁，老卡也輕輕松松進(jìn)行模型部署。對于2B模型，F(xiàn)loat32進(jìn)行參數(shù)部署也就8G、Float16就需要4G，如果再做量化的話更小，甚至CPU部署速度也可以接受。

同等數(shù)據(jù)情況下，效果確實不如更大的模型。以Qwen1.8B和7B為例，在自己任務(wù)上指標(biāo)差了7-10個點。

在個人任務(wù)上，通過增加數(shù)據(jù)，將訓(xùn)練數(shù)據(jù)擴(kuò)大2-4倍并提高數(shù)據(jù)質(zhì)量之后，效果基本上可以媲美。

小模型在沒有定制優(yōu)化的任務(wù)上，就一言難盡了，泛化能力等都遠(yuǎn)不如更大的模型。

用了小模型之后，再也沒被吐槽過速度了。

主流1-2B參數(shù)規(guī)模的大模型匯總

共整理了14個1-2B參數(shù)規(guī)模的大模型，按照參數(shù)量從大到小排序，如下所示。

PS: HF訪問不了的小伙伴，可以看一下《大模型下載使我痛苦》。

Yuan2.0-2B

Yuan2.0-2B是浪潮發(fā)布的Yuan2.0大模型的2B版本，采用中英文的高質(zhì)量資料，包括書籍、百科、論文等。Yuan2.0-2B模型層數(shù)24層，隱藏層維度2048，支持最大長度8192。

Qwen-1.8B

Qwen-1.8B是阿里發(fā)布的Qwen大模型的1.8B版本，采用2.2TB Token的數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，包含高質(zhì)量中、英、多語言、代碼、數(shù)學(xué)等數(shù)據(jù)，涵蓋通用及專業(yè)領(lǐng)域的訓(xùn)練語料。Yuan2.0-2B模型層數(shù)24層，隱藏層維度2048，支持最大長度8192，并且開源了對應(yīng)的Chat模型。

Bloom-1.7B&1.1B

Bloom-1.7B&1.1B是Hugging Face牽頭組織的BigScience項目開源的Bloom大模型的1.7B和1.1B版本。訓(xùn)練數(shù)據(jù)涉及46種自然語言和13種編程語言，共計1.6TB的文本數(shù)據(jù)。Bloom-1.7B模型層數(shù)24層，隱藏層維度2048，支持最大長度2048。Bloom-1.1B模型層數(shù)24層，隱藏層維度1536，支持最大長度2048。

Pythia-1.4B&1B

Pythia-1.4B&1B是EleutherAI開源的Pythia的1.4B和1B版本。主要使用300B Token的The Pile數(shù)據(jù)集進(jìn)行訓(xùn)練。Pythia-1.4B模型層數(shù)24層，隱藏層維度2048。Pythia-1B模型層數(shù)16層，隱藏層維度2048。

Phi-1&Phi-1.5

Phi-1&Phi-1.5是微軟開源的Phi大模型的兩個不同版本，均有1.3B參數(shù)，模型層數(shù)24層，隱藏層維度2048。Phi-1模型訓(xùn)練54B Token的數(shù)據(jù)，而Phi-1.5模型訓(xùn)練150B Token的數(shù)據(jù)。

Deepseek-Coder-1.3B

Deepseek-Coder-1.3B是深度求索發(fā)布開源的Deepseek-Coder的1.3B版本，采用1TB Token的數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，數(shù)據(jù)由87%的代碼和13%的中英文自然語言組成，模型層數(shù)24層，隱藏層維度2048。

Galactica-1.3B

Galactica-1.3b是MetaAI開源的Galactica大模型的1.3B版本，采用106B Token數(shù)據(jù)進(jìn)行訓(xùn)練，數(shù)據(jù)主要來自論文、參考資料、百科全書和其他科學(xué)來源等。模型層數(shù)24層，隱藏層維度2048。

GPT-Sw3-1.3B

GPT-Sw3-1.3B是AI Sweden開源的GPT-SW3大模型的1.3B版本，采用320B Token數(shù)據(jù)進(jìn)行訓(xùn)練，數(shù)據(jù)主要由瑞典語、挪威語、丹麥語、冰島語、英語和編程代碼數(shù)據(jù)集組成。模型層數(shù)24層，隱藏層維度2048。

GPT-Neo-1.3B

GPT-Neo-1.3B是EleutherAI開源的GPT-Neo大模型的1.3B版本，GPT-Neo模型主要為了復(fù)現(xiàn)的GPT-3模型，采用380B Token數(shù)據(jù)進(jìn)行訓(xùn)練，模型層數(shù)24層，隱藏層維度2048。

OPT-1.3B

OPT-1.3B模型是由MetaAI開源的OPT大模型的1.3B版本，采用180B Token數(shù)據(jù)進(jìn)行訓(xùn)練，模型層數(shù)24層，隱藏層維度2048。

TinyLlama-1.1B

TinyLlama模型是一個1.1B參數(shù)的Llama模型，旨在3TB Token的數(shù)據(jù)上進(jìn)行訓(xùn)練，目前訓(xùn)練到2.5TB Token數(shù)據(jù)，模型層數(shù)22層，隱藏層維度2048。

寫到最后

如果領(lǐng)導(dǎo)非要部署大模型，但對效果要求沒有那么高，又沒有資源支持，那么選擇一個1-2B的模型也是不錯的呦。

審核編輯：湯梓紅