基于Llama架构

澜舟科技官宣：孟子3-13B大模型正式开源！

这一主打高性价比的轻量化大模型，面向学术研究完全开放，并支持免费商用。

在MMLU、GSM8K、HUMAN-EVAL等各项基准测评估中，孟子3-13B都表现出了不错的性能。

尤其在参数量20B以内的轻量化大模型领域，在中英文语言能力方面尤为突出，数学和编程能力也位于前列。

据介绍，孟子3-13B大模型是基于Llama架构，数据集规模高达3T Tokens。

语料精选自网页、百科、社交、媒体、新闻，以及高质量的开源数据集。通过在万亿tokens上进行多语言语料的继续训练，模型的中文能力突出并且兼顾多语言能力。

孟子3-13B大模型开源

只需两步，就能使用孟子3-13B大模型了。

首先进行环境配置。

pip install -r requirements.txt

然后快速开始。

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
tokenizer =
AutoTokenizer.from_pretrained(“Langboat/Mengzi3-13B-Base”, use_fast=False, trust_remote_code=True)
model =
AutoModelForCausalLM.from_pretrained(“Langboat/Mengzi3-13B-Base”, device_map=”auto”, trust_remote_code=True)
inputs = tokenizer(‘指令：回答以下问题。输入：介绍一下孟子。输出：’, return_tensors=’pt’)
if torch.cuda.is_available():
inputs = inputs.to(‘cuda’)
pred = model.generate(**inputs, max_new_tokens=512, repetition_penalty=1.01, eos_token_id=tokenizer.eos_token_id)
print(tokenizer.decode(pred[0], skip_special_tokens=True))

此外，他们还提供了一个样例代码，可用于基础模型进行单轮交互推理。

cd examples
python examples/base_streaming_gen.py –model model_path –tokenizer tokenizer_path

如果想要进行模型微调，他们也提供了相关文件和代码。

事实上，早在3月18日的澜舟大模型技术和产品发布会现场，就透露了孟子3-13B大模型的诸多细节。

当时他们表示，孟子3-13B大模型训练已经完成。

对于选择13B版本的原因，周明解释道：

首先，澜舟明确以服务ToB场景为主，ToC为辅。

实践发现，ToB场景使用频率最高的大模型参数量多为7B、13B、40B、100B，整体集中在10B-100B之间。

其次，在这个区间范围内，从ROI（投资回报率）角度来讲，既满足场景需求，又最具性价比。

因此，在很长一段时间内，澜舟的目标都是在10B-100B参数规模范围内，打造优质的行业大模型。

作为国内最早一批大模型创业团队，去年3月，澜舟就发布了孟子GPT V1（MChat）。

今年1月，孟子大模型GPT V2（含孟子大模型-标准、孟子大模型-轻量、孟子大模型-金融、孟子大模型-编码）对公众开放。

好了，感兴趣的朋友可戳下方链接体验一下。

GitHub链接：
http://github.com/Langboat/Mengzi3
HuggingFace：
http://huggingface.co/Langboat/Mengzi3-13B-Base
ModelScope：
http://www.modelscope.cn/models/langboat/Mengzi3-13B-Base
Wisemodel：
http://wisemodel.cn/models/Langboat/Mengzi3-13B-Base