Tele-FLM Technical Report

本文是LLM系列文章,针对《Tele-FLM Technical Report》的翻译。

摘要

大型语言模型(LLM)展示了语言理解和生成方面的深厚能力,促进了广泛的应用。然而,如何以最小的试错成本和计算资源有效地将 LLM 扩展到超过 500 亿个参数,详细的开源方法明显缺乏。在本报告中,我们介绍了 Tele-FLM(又名 FLM2),这是一个 52B 开源多语言大语言模型,具有稳定、高效的预训练范式和增强的事实判断能力。 TeleFLM 展示了卓越的多语言建模能力(通过 BPB 在文本语料库上进行测量)。此外,在英文和中文基础模型评估中,它可以与预训练 FLOP 较大的强大开源模型(例如 Llama2-70B 和 DeepSeek-67B)相媲美。除了模型权重之外,我们还分享核心设计、工程实践和训练细节,希望学术界和工业界都能受益。

1 引言

2 预训练数据

3 预训练细节

4 损失动态和 BPB 评估

5 基准评估

6 经验教训

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值