100%开源大模型OLMo：代码/权重/数据集/训练全过程公开，重定义AI共享
前言
近日，艾伦人工智能研究所联合多个顶尖学术机构发布了史上首个100%开源的大模型“OLMo”，这一举措被认为是AI开源社区的一大里程碑。OLMo不仅公开了模型权重，还包括了完整的训练代码、数据集和训练过程，为后续的开源工作设立了新的标准。这一开源模型的推出，无疑将极大促进自然语言处理（NLP）技术的发展和研究。
- Huggingface模型下载： huggingface.co/allenai/OLM…
- AI 快站模型免费加速下载： aifasthub.com/models/alle…
OLMo模型的创新之处
OLMo模型基于decoder-only的Transformer架构，采用了PaLM和Llama使用的SwiGLU激活函数，引入了旋转位置嵌入技术（RoPE），并改进了基于字节对编码（BPE）的分词器，以减少模型输出中的个人可识别信息。此外，该模型还采用了不使用偏置项的策略，以增强模型的稳定性。
开源内容的全面性
OLMo的开源内容包括了模型的所有相关资料：
- 模型权重和训练代码：提供了四个不同架构、优化器和训练硬件体系下的7B大小的模型，以及一个1B大小的模型。
- 预训练语料库：包含高达3T token的开源语料库，及其生成代码。
- 评估工具套件：包括每个模型训练过程中每1000步中包含的超过500个的检查点以及评估代码。
性能评估
从评估结果来看，OLMo-7B模型在多个核心任务上的准确率呈现上升趋势，显示了良好的性能。尤其是在生成任务或阅读理解任务上，OLMo-7B甚至超过了Llama 2等同类开源模型，尽管在某些热门的问答任务上表现略逊。
在很多生成任务或阅读理解任务（例如truthfulQA）上，OLMo-7B都超过了Llama 2，但在一些热门的问答任务（如MMLU或Big-bench Hard）上表现则要差一些。
下图展示了9个核心任务准确率的变化趋势。
除了OBQA外，随着OLMo-7B接受更多数据的训练，几乎所有任务的准确率都呈现上升趋势。
与此同时，OLMo 1B与其同类模型的核心评估结果表明，OLMo与它们处于同一水平。
开源带来的影响
OLMo的全面开源，不仅为AI研究提供了宝贵的资源，还有助于降低研究和开发的门槛，推动AI技术的创新和发展。通过这种开放的模式，研究人员可以更深入地探索AI模型的内部运作机制，共同推动语言模型科学的进步。
结论
OLMo的发布，标志着AI开源模型进入了一个新的时代。随着越来越多的研究机构和企业加入到开源的行列，我们有理由相信，未来的AI技术将更加开放、透明和创新。
模型下载
Huggingface模型下载
AI快站模型免费加速下载