(資料圖)

AI 創業公司 MosaicML 近日發布了其語言模型 MPT-30B，單從參數來看，這個模型具有 300 億參數，放在如今動則上千億參數的模型領域中并沒有什么突出的地方。但這個新模型的訓練成本卻只有其他模型的零頭，有望擴大模型在更廣泛領域的運用。

MosaicML 的首席執行官兼聯合創始人 Naveen Rao 表示，MPT-30B 的訓練成本為 70 萬美元，遠低于訓練 GPT-3 所需的數千萬美元。此外，MPT-30B 模型的質量超過了 OpenAI 在 2020 年發布的初版 GPT-3。由于 MPT-30B 的成本較低，體積較小，它也可以更快速地被訓練，并部署在本地硬件設備上。

MosaicML 使用了 Alibi 和 FlashAttention 技術來優化模型，可以實現更長的文本長度和對 GPU 計算的高利用率。MosaicML 也是少數幾個能夠使用 Nvidia H100 GPU 的實驗室，相比以往，這使得每 GPU 的吞吐量增加了 2.4 倍以上，帶來更快的完成時間。

300 億參數這是一個在大模型領域經常看到的數字，300 億參數為什么這么特殊呢？MosaicML 首席科學家 Frankle 則解釋道，首先 300 億參數能夠確保它可以在本地硬件上輕松運行，同時保持質量與 GPT-3 差不多或略優于它。

其次任何超過 300 億參數限制的模型都需要將模型分解成多個平行段，通常也需要更加昂貴的多 GPU 設置。

除了讓 AI 技術更容易獲得之外，MosaicML 還專注于提高數據質量，以提高模型性能。他們目前正在開發工具，幫助用戶在預訓練過程中分層加入特定領域的數據。這確保了多樣化和高質量的數據組合。將模型擴展到 300 億參數只是 MosaicML 的第一步，接下來他們將以降低成本為前提，推出更大的、更高質量的模型。

開發者可以從 Hugging Face 下載并使用開源的 MPT-30B 基礎模型，開發者還可以在自己的硬件上用自己的數據對模型進行微調。

關鍵詞：