秒杀700亿Llama 2！最新国产大模型亮相，无需申请即可免费商用，背后公司来自私募巨头

声明:本文来自于微信公众号 量子位（ID:QbitAI），作者:丰色，授权转载发布。

国产大模型刚刚出了一位全新选手:

参数670亿的DeepSeek。

它在近20个中英文的公开评测榜单上直接超越了同量级、700亿的Llama2。

并尤其以推理、数学和编码能力为突出。

其中在数学能力上，它测了Grok刚刚参与过的匈牙利今年最新的高中数学考试题，得了65分。

对比Grok当时公布的成绩:59分，以及GPT-4的68分，表现十分出色。

DeepSeek主打一个发布即开源:

共包含70亿和670亿两个参数版本，每个版本均含基础模型和指令微调模型，无需申请，即可免费商用。

同时，它已开放了全面内测，注册一下就能玩。

Ps. DeepSeek的中文能力在GPT-3.5之上，可以使用中文进行测试。

在推特上，DeepSeek也引起了一大批技术同行的关注:

早期测试过的人表示没毛病。

还有人赞誉DeepSeek弥补了开源LLM在数学和编码上的短板。

那么，DeepSeek是如何训练出来的?

与Llama架构相同

DeepSeek使用与Llama相同的架构，即自回归Transformer解码器架构。

其中70亿参数的版本使用多头注意力，670亿参数版本使用分组查询注意力。

预训练在包含2万亿个中英文token的数据集（序列长度4096）和AdamW优化器上进行。

其中70亿参数版本的模型的训练batch size为2304，学习率为4.2e-4;670亿参数版本的模型的batch size为4608，学习率为3.2e-4。

DeepSeek的训练过程中特别采用了多步学习率计划:

先从2000个预测步骤开始，然后在1.6万亿token时逐步达到最大值的31.6%，在1.8万亿token时逐步达到最大值的10%。

有网友看完表示:

这种从1.6万亿token时开启的学习率冷却阶段有点类似于“Scaling Vision Transformers”那篇论文中的lr计划消融操作。

这也与Llama的余弦学习率衰减（要求它们提前指定步数）完全不同，非常有趣。

下图是作者发布的DeepSeek训练损失曲线以及在几个基准上的曲线图:

数学和编码能力突出

我们重点关注DeepSeek进行的如下三大类测试结果。

一个是今年5月才发布的2023年匈牙利高中数学考试题。

尽管DeepSeek已经在GSM8k和MATH这两个标准基准上取得了不错的成绩:

但由于存在过度拟合这些数据集的风险，作者还是决定评估一下样本外的数学泛化能力。

如下图所示，位于右上角的670亿参数DeepSeek最终在样本内数学能力（纵轴GSM8K）排名第三，仅次于Claude2和GPT-4，但在样本外数学能力（横轴Exam Score）排名第二，仅次于GPT-4。

第二个是考验DeepSeek指令跟随能力的测试。

在此，作者使用了谷歌11月15日刚刚发布的指令跟随评测集，来评价模型的“听话程度”。

结果是领先一众开源模型，但59.1分的成绩与GPT-4还有20分的差距。

最后是代码能力测试。

同样，作者在这里重点关注了样本外能力，选择的是LeetCode今年7月2日到11月12日的最新真题进行测试。

结果是比国内常见的大模型都要好很多，并且也远远超越了GPT3.5。

背后公司是谁?

经搜索，DeepSeek背后的公司名叫深度求索。base位于北京，今年5月正式成立。

目标不止是大模型，而是AGI。

就在11月初，这家公司就发布代码大模型DeepSeek Coder。

与之前最好的开源大模型CodeLlama相比，DeepSeek Coder在代码生成任务上（使用标准数据集HumanEval、MBPP和DS-1000进行评测）分别领先了9.3%、10.8%和5.9%。

特别值得一提的是，深度求索其实是从知名私募巨头幻方旗下独立出来的一家公司。

幻方这家公司听起来和AI“八杆子打不着”，但实际上，2019年时，幻方就发布了自研深度学习训练平台“萤火一号”。

据称该项目总投资近2亿元，共搭载了1100块GPU。

后来“萤火一号”由升级为“二号”，搭载的GPU数则达到了约1万张。