近日，超對稱與UCloud優(yōu)刻得合作，將公司推出的3個大模型開源到UCloud官網(wǎng)，以“大模型+大算力“的方式，共同推進AICG創(chuàng)新應(yīng)用。
2022年5月超對稱技術(shù)公司發(fā)布大語言模型Big Bang Transformer【乾元】的第一版BBT-1，10億參數(shù)預(yù)訓(xùn)練語言模型，在中文金融語料上訓(xùn)練而成，發(fā)布之后即獲得經(jīng)濟金融領(lǐng)域客戶熱烈反饋，作為大模型底座已經(jīng)為多家中國和海外機構(gòu)提供服務(wù)。
近期，超對稱公司再推出BBT-2，這是一個基于120億參數(shù)的通用大語言模型，并在BBT-2的基礎(chǔ)上，訓(xùn)練出代碼、金融、文生圖等專業(yè)模型。
超對稱技術(shù)公司將發(fā)布基于BBT-2的系列模型：
· BBT-2-12B-Text：120億參數(shù)的中文通用語言模型
· BBT-2.5-13B-Text: 130億參數(shù)的中文+英文雙語基礎(chǔ)模型
· BBT-2-12B-TC-001-SFT 經(jīng)過指令微調(diào)的代碼模型，可以進行對話
· BBT-2-12B-TF-001 在120億模型上訓(xùn)練的金融模型，解決金融領(lǐng)域任務(wù)
· BBT-2-12B-Fig：文生圖模型
· BBT-2-12B-Science 科學(xué)論文模型
通過與UCloud在算力和開源方面的合作，超對稱還將3個大模型開源到官網(wǎng)、Github和UCloud，后續(xù)用戶可直接在UCloud官方平臺通過GPU云主機的行業(yè)鏡像或算力平臺直接開箱使用這些模型：
BBT-1-0.2B
2億參數(shù)金融模型，包括三個不同預(yù)訓(xùn)練方式進行訓(xùn)練的模型, 訓(xùn)了600億Tokens：
（1）BBT-1-0.2B-001：2億參數(shù)，金融模型，T5 Decoder+Encoder架構(gòu)
（2）BBT-1-0.2B-002: 2億參數(shù)，金融模型，T5+GPT
（3）BBT-1-0.2B-003: 2億參數(shù)，金融模型，T5+UL2
BBT-1-1B
10億參數(shù)金融模型，T5 Encoder+Decoder架構(gòu)，使用金融中文語料庫1000億tokens進行預(yù)訓(xùn)練，包含社交媒體，財經(jīng)新聞，券商研報，公司公告財報等數(shù)據(jù).
BBT-2-12B-Text
120億參數(shù)基礎(chǔ)模型，GPT Decoder-Only 架構(gòu)，未經(jīng)指令微調(diào)，完成2000億token預(yù)訓(xùn)練，模型性能還有較大提升空間，開發(fā)者可在通用模型上繼續(xù)訓(xùn)練或進行下游任務(wù)微調(diào)。
BBT-2.5-13B-Text
130億參數(shù)基礎(chǔ)模型，GPT Decoder-Only 架構(gòu)，未經(jīng)指令微調(diào)，完成2000億中文+英文tokens預(yù)訓(xùn)
UCloud官網(wǎng)開源模型使用流程
以下是超對稱技術(shù)公司基于BBT-2的系列模型介紹：
1. BBT-2-12B-Text 通用模型
BigBang Transformer[乾元]是基于GPT Decoder-only架構(gòu)的大規(guī)模預(yù)訓(xùn)練模型。繼2022年開源BBT-1-0.2B模型之后，正式開源最新系列的BBT模型：BBT-1-1B，BBT-2-12B-Text，BBT-2.5-13B-Text。預(yù)訓(xùn)練語料庫覆蓋14個高質(zhì)量數(shù)據(jù)源，覆蓋書籍、百科、論文、小說、新聞、政策文件、中文博客、社交媒體等多個數(shù)據(jù)源種類。BBT-2-12B-Text基于中文700億tokens進行預(yù)訓(xùn)練，經(jīng)過指令微調(diào)的BBT-2基礎(chǔ)模型可以回答百科類和日常生活的問題。BBT-2.5-13B-Text基于中文+英文 2000億tokens進行預(yù)訓(xùn)練,暫時不開放基礎(chǔ)模型的問答對話接口。
模型開源后所有開發(fā)者可以：
可以直接調(diào)用大模型進行對話
在我們訓(xùn)練的基礎(chǔ)上使用自由語料庫繼續(xù)訓(xùn)練
對大模型進行微調(diào)訓(xùn)練以滿足各種下游任務(wù)
2. BBT-2-12B-Text+Code 代碼模型
BBT-TC，是超對稱技術(shù)公司近期發(fā)布的 BBT-2 大模型系列中的代碼模型，在 百億基座模型BBT-2-12B-Text接續(xù)訓(xùn)練代碼數(shù)據(jù)集，通過有監(jiān)督指令微調(diào)（Supervised Fine-Tuning）解鎖模型的推理能力。該模型在專業(yè)評測中分數(shù)超過其他中國公司開發(fā)的同類模型，僅次于GPT-3.5。
開發(fā)者可以在超對稱公司官網(wǎng)https://www.ssymmetry.com測試BBT模型的代碼問答（僅應(yīng)用于代碼生成場景，無法回答與代碼無關(guān)的問題）
詳情可見文章《超對稱技術(shù)公司的代碼大模型CodeBBT在專業(yè)評測中位居前列，僅次于GPT-3.5》
3. BBT-2-12B-TF-001 金融模型
超對稱公司于2021年便開始針對金融投資領(lǐng)域的應(yīng)用，著手設(shè)計和訓(xùn)練了一個大規(guī)模參數(shù)預(yù)訓(xùn)練語言模型Big Bang Transformer乾元(BBT)，目前發(fā)布了Base 版本2.2億參數(shù)和Large 版本10億參數(shù)以及最新的BBT2，120億參數(shù)通用模型。
BBT模型的目標是為金融投資建立統(tǒng)一的人工智能算法框架，基于transformer構(gòu)建能融合訓(xùn)練金融投資涉及的不同模態(tài)數(shù)據(jù)的架構(gòu)。在統(tǒng)一架構(gòu)的基礎(chǔ)上訓(xùn)練大規(guī)模參數(shù)預(yù)訓(xùn)練模型，隨著模型參數(shù)和訓(xùn)練數(shù)據(jù)集繼續(xù)增大，超對稱團隊有希望開發(fā)出在金融領(lǐng)域接近人類智能水平的模型。作為金融領(lǐng)域的基石模型，BBT模型為所有金融投資，經(jīng)濟分析，商業(yè)咨詢等場景的深度學(xué)習(xí)下游任務(wù)提供微調(diào)服務(wù)。
金融投資領(lǐng)域有大量從業(yè)機構(gòu)和人員，大廠有財力雇傭算法工程師，小團隊卻用不起基本的文本抽取算法。BBT模型作為金融領(lǐng)域的算法基礎(chǔ)設(shè)施，讓所有從業(yè)者配備同級別的武器，讓全行業(yè)站在同一起跑線去競爭更優(yōu)的投資策略，從而推動金融和經(jīng)濟市場更高效的信息和要素流動。
為了更好地推進中文金融自然語言處理的發(fā)展，超對稱搜集和爬取了幾乎所有公開可以獲得的中文金融語料數(shù)據(jù):
1）過去20年所有主流媒體平臺發(fā)布的財經(jīng)政治經(jīng)濟新聞
2）所有上市公司公告和財報
3）上千萬份研究院和咨詢機構(gòu)的研究報告
4）百萬本金融經(jīng)濟政治等社會科學(xué)類書籍
5）金融社交媒體平臺用戶發(fā)帖
經(jīng)測試，BBT-TF在公告摘要任務(wù)場景超越ChatGPT：使用ChatGPT和BBT-TF對同一份公告，相同輸入，生成摘要并對比效果，發(fā)現(xiàn)BBT-TF更滿足實際運用場景。BBT-TF還可進行四舍五入的計算。在金融行業(yè)對數(shù)字高精度要求下，BBT-TF可對單位進行準確的換算。
超對稱已開發(fā)了11種已落地應(yīng)用的下游任務(wù)，面向?qū)I(yè)金融開發(fā)者API，已獲得中國及海外金融機構(gòu)付費。
4. BBT-2-12B-Image文生圖模型
基于BBT2大語言模型，超對稱和中國專業(yè)圖庫公司聯(lián)合開發(fā)文生圖AIGC模型BBT-Fig，目前該模型向紡織行業(yè)，印刷，廣告，游戲等行業(yè)客戶提供文生圖應(yīng)用，經(jīng)過專業(yè)評測，BBT-Fig在紡織行上的應(yīng)用效果比Stable Diffusion和文心一格，明顯更優(yōu)。
BBT-Fig能夠生成非常逼真的圖像，并且具有可控的樣式和風(fēng)格。在紡織行業(yè)中，BBT-Fig可以通過對不同紡織材料的圖像進行學(xué)習(xí)，生成具有紋理（可無縫拼接）、色彩（色彩亮度不會受訓(xùn)練樣本明暗影響，為標準化設(shè)計用樣式）和設(shè)計元素（可隨意組合元素）的紡織品圖案，提高紡織品設(shè)計的效率和創(chuàng)新性。該技術(shù)還可用于家裝等等需要圖案設(shè)計的行業(yè)。
· 用于生成人造大理石花紋
5. BBT-2-12B-Science 科學(xué)論文模型
馬斯克認為AGI的終極測試是模型能發(fā)現(xiàn)新的物理定律。GPT-4在醫(yī)生資格考試、律師資格考試、AP考試、GRE上獲得不錯的分數(shù)，但目前還沒有證明其能有效地發(fā)現(xiàn)或輔助人類知識庫尚未存在的知識。
對于中國的大模型研發(fā)團隊，直接瞄準大語言模型用于科學(xué)發(fā)現(xiàn)是超越GPT-4的一個可能路徑。在科學(xué)研究上，研究人員可以使用語言模型來自動提取和分析論文中的主題、實驗方法、結(jié)果和結(jié)論，從而發(fā)現(xiàn)新的科學(xué)發(fā)現(xiàn)和研究方向。
BBT-Science大模型是基于BBT大模型在幾千萬篇科研論文上訓(xùn)練構(gòu)建的輔助科學(xué)發(fā)現(xiàn)的大模型，應(yīng)用于物理、化學(xué)、生物、數(shù)學(xué)等不同學(xué)科的科研知識問題，可以提供三方面的能力：
1. 快速精準的知識檢索。這項能力和大模型在其他領(lǐng)域的對話能力相近。
2. 針對所研究領(lǐng)域的前沿問題提供新的ideas。這種新ideas產(chǎn)生于大模型在該領(lǐng)域的海量數(shù)據(jù)檢索和重新組合，發(fā)現(xiàn)前人未發(fā)現(xiàn)的可能性。
3. 利用多學(xué)科知識訓(xùn)練出的能力提供跨學(xué)科的建議和洞見。這項能力潛力最大。
為了對科學(xué)大模型進行評測，超對稱技術(shù)公司與復(fù)旦、上海交大、浙大、南航、中山大學(xué)、北師大等多所大學(xué)合作，正在號召全球一線的科研人員共同構(gòu)建一個最大的科研問題評測數(shù)據(jù)集Research QA。該數(shù)據(jù)集覆蓋數(shù)學(xué)、物理、化學(xué)、生物、地理地質(zhì)、計算機、電子工程等主流科研領(lǐng)域。該數(shù)據(jù)集直接采集科研領(lǐng)域里前沿的研究課題作為問題，重點考察大模型回答的創(chuàng)新性?？茖W(xué)大模型將成為全球科研能力的底層引擎，帶來科研生產(chǎn)力的加速。
