|
|
1. 极致压缩：用相同语料训练2.7万亿token，元象 MoE 实际 激活参数量4.2B， 2. 超凡性能：在多个权威评测中，元象 MoE效果大幅超越新晋业界顶流谷歌Gemma-7B和Mistral-7B、Meta开源标杆Llama2-13B等多个模型、并接近超大模型Llama1-65B。
MoE模型采用 的稀疏激活（SparselyActivated）技术，正逐渐成为大模型研究领域最前沿。该技术打破了传统规模理论（ScalingLaw）的局限，在扩大模型规模的同时，可以不显著增加训练和推理的计算成本，并保持模型性能最大化。但由于技术较新，在国内开源和学术研究领域尚未普及。 元象持续打造国内开源标杆，在 国内最早开源最大参数65B、 全球最早开源最长上下文256K、并在 SuperCLUE测评全国领跑 。此次推出MoE模型， 填补 国产开源空白，更将其 推向了国际领先水平。 商业应用上，元象大模型是 广东最早获得国家备案的两大模型之一 ，可向全社会提供服务。元象大模型去年起已和多个腾讯产品，包括 QQ音乐 、虎牙直播、全民K歌、腾讯云等，进行深度合作与应用探索，为文化、娱乐、旅游、金融领域打造创新领先的用户体验。 MoE是目前业界最前沿的模型框架，由于技术较新，国内开源模型或学术研究尚未普及。元象自主研发了MoE的高效训练和推理框架，并在三个方向创新： 性能上，针对MoE架构中独特专家路由和权重计算逻辑，研发一套高效融合算子，显著提升了计算效率；针对MoE模型高显存使用和大通信量挑战，设计出计算、通信和显存卸载的重叠操作，有效提高整体处理吞吐量。 架构上，与传统MoE（如Mixtral 8x7B）将每个专家大小等同于标准FFN不同，元象采用更细粒度的专家设计，每个专家大小仅为标准FFN的四分之一，提高了模型灵活性与性能；还将专家分为共享专家（SharedExpert）和非共享专家（Non-sharedExpert）两类。共享专家在计算过程中始终保持激活状态，而非共享专家则根据需要选择性激活。这种设计有利于将通用知识压缩至共享专家参数中，减少非共享专家参数间的知识冗余。 训练上，受SwitchTransformers、ST-MoE和DeepSeekMoE等启发，元象引入负载均衡损失项，更好均衡专家间的负载；采用路由器z-loss项，确保训练高效和稳定。 架构选择则经过一系列对比实验得出（下图），在 实验3与实验2中，总参数量和激活参数量相同，但前者的细粒度专家设计带来了更高的性能表现。实验4在此基础上，进一步划分共享和非共享两类专家，使得效果显著提升。实验5探索了专家大小等于标准FFN时，引入共享专家的做法，效果不甚理想。
综合试验结果（下图），元象最终采用实验4对应的架构设置。展望未来，新近开源的GoogleGemma与X（前Twitter）Grok等项目采用了比标准FFN更大的设定，元象也将在后续继续深入探索相关方向探索研，保持技术引领性。 竞技宝官网app |
