一夜之间，世界最强开源大模型Falcon 180B引爆全网！
1800亿参数，Falcon在3.5万亿token完成训练，直接登顶Hugging Face排行榜。
基准测试中，Falcon 180B在推理、编码、熟练度和知识测试各种任务中，一举击败Llama 2。
甚至，Falcon 180B能够与谷歌PaLM 2不差上下，性能直逼GPT-4。
不过，英伟达高级科学家Jim Fan对此表示质疑，
- Falcon-180B的训练数据中，代码只占5%。
而代码是迄今为止对提高推理能力、掌握工具使用和增强AI智能体最有用的数据。事实上，GPT-3.5是在Codex的基础上进行微调的。
- 没有编码基准数据。
没有代码能力，就不能声称「优于GPT-3.5」或「接近GPT-4」。它本应是预训练配方中不可或缺的一部分，而不是事后的微调。
- 对于参数大于30B的语言模型，是时候采用混合专家系统（MoE）了。到目前为止，我们只看到OSS MoE LLM < 10B。
一起来看看，Falcon 180B究竟是什么来头？
世界最强开源大模型
此前，Falcon已经推出了三种模型大小，分别是1.3B、7.5B、40B。
官方介绍，Falcon 180B是40B的升级版本，由阿布扎比的全球领先技术研究中心TII推出，可免费商用。
这次，研究人员在基底模型上技术上进行了创新，比如利用Multi-Query Attention等来提高模型的可扩展性。
对于训练过程，Falcon 180B基于亚马逊云机器学习平台Amazon SageMaker，在多达4096个GPU上完成了对3.5万亿token的训练。
总GPU计算时，大约7,000,000个。
Falcon 180B的参数规模是Llama 2（70B）的2.5倍，而训练所需的计算量是Llama 2的4倍。
具体训练数据中，Falcon 180B主要是RefinedWe数据集（大约占85%） 。
此外，它还在对话、技术论文，以及一小部分代码等经过整理的混合数据的基础上进行了训练。
这个预训练数据集足够大，即使是3.5万亿个token也只占不到一个epoch。
官方自称，Falcon 180B是当前「最好」的开源大模型，具体表现如下：
在MMLU基准上，Falcon 180B的性能超过了Llama 2 70B和GPT-3.5。
在HellaSwag、LAMBADA、WebQuestions、Winogrande、PIQA、ARC、BoolQ、CB、COPA、RTE、WiC、WSC 及ReCoRD上，与谷歌的PaLM 2-Large不相上下。
另外，它在Hugging Face开源大模型榜单上，是当前评分最高（68.74分）的开放式大模型，超越了LlaMA 2（67.35）。
Falcon 180B上手可用
与此同时，研究人员还发布了聊天对话模型Falcon-180B-Chat。该模型在对话和指令数据集上进行了微调，数据集涵盖了Open-Platypus、UltraChat和Airoboros。
现在，每个人都可以进行demo体验。
地址：https://huggingface.co/tiiuae/falcon-180B-chat
Prompt 格式
基础模型没有Prompt格式，因为它并不是一个对话型大模型，也不是通过指令进行的训练，所以它并不会以对话形式回应。
预训练模型是微调的绝佳平台，但或许你不该直接使用。其对话模型则设有一个简单的对话模式。
System: Add an optional system prompt here
User: This is the user input
Falcon: This is what the model generates
User: This might be a second turn input
Falcon: and so onTransformers
从Transfomers 4.33开始，Falcon 180B可以在Hugging Face生态中使用和下载。
确保已经登录Hugging Face账号，并安装了最新版本的transformers:
pip install --upgrade transformers
huggingface-cli loginbfloat16
以下是如何在 bfloat16 中使用基础模型的方法。Falcon 180B是一个大模型，所以请注意它的硬件要求。
对此，硬件要求如下：
可以看出，若想对Falcon 180B进行全面微调，至少需要8X8X A100 80G，如果仅是推理的话，也得需要8XA100 80G的GPU。
from transformers import AutoTokenizer, AutoModelForCausalLM
import transformers
import torch
model_id = "tiiuae/falcon-180B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
model_id,
torch_dtype=torch.bfloat16,
device_map="auto",
)
prompt = "My name is Pedro, I live in"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
output = model.generate(
input_ids=inputs["input_ids"],
attention_mask=inputs["attention_mask"],
do_sample=True,
temperature=0.6,
top_p=0.9,
max_new_tokens=50,
)
output = output[0].to("cpu")
print(tokenizer.decode(output)可能会产生如下输出结果:
My name is Pedro, I live in Portugal and I am 25 years old. I am a graphic designer, but I am also passionate about photography and video.
I love to travel and I am always looking for new adventures. I love to meet new people and explore new places.使用8位和4位的bitsandbytes
此外，Falcon 180B的8位和4位量化版本在评估方面与bfloat16几乎没有差别！
这对推理来说是个好消息，因为用户可以放心地使用量化版本来降低硬件要求。
注意，在8位版本进行推理要比4位版本快得多。要使用量化，你需要安装「bitsandbytes」库，并在加载模型时启用相应的标志:
model = AutoModelForCausalLM.from_pretrained(
model_id,
torch_dtype=torch.bfloat16,
**load_in_8bit=True,**
device_map="auto",
)对话模型
如上所述，为跟踪对话而微调的模型版本，使用了非常直接的训练模板。我们必须遵循同样的模式才能运行聊天式推理。
作为参考，你可以看看聊天演示中的 [format_prompt] 函数:
def format_prompt(message, history, system_prompt):
prompt = ""
if system_prompt:
prompt += f"System: {system_prompt}\n"
for user_prompt, bot_response in history:
prompt += f"User: {user_prompt}\n"
prompt += f"Falcon: {bot_response}\n"
prompt += f"User: {message}\nFalcon:"
return prompt从上可见，用户的交互和模型的回应前面都有 User: 和 Falcon: 分隔符。我们将它们连接在一起，形成一个包含整个对话历史的提示。这样，就可以提供一个系统提示来调整生成风格。
网友热评
对于Falcon 180B的真正实力，许多网友对此展开热议。
绝对难以置信。它击败了GPT-3.5，与谷歌的PaLM-2 Large不相上下。这简直改变游戏规则！
一位创业公司的CEO表示，我测试了Falcon-180B对话机器人，它并不比Llama2-70B聊天系统好。HF OpenLLM排行榜也显示了好坏参半的结果。考虑到它的规模更大，训练集也更多，这种情况令人惊讶。
举个栗子：
给出一些条目，让Falcon-180B和Llama2-70B分别回答，看看效果如何？
Falcon-180B误将马鞍算作动物。而Llama2-70B回答简洁，还给出了正确答案。
