最佳回答:

昆仑万维宣布开源2千亿稀疏大模型Skywork-MoE

　　6月3日，昆仑万维公布开源2千亿稀少年夜模子Skywork-MoE，机能强劲，同时推理本钱更低。Skywork-MoE基于之前昆仑万维开源的Skywork-13B模子中心checkpoint扩大而来，是首个完全将MoE Upcycling手艺利用并落地的开源千亿MoE年夜模子，也是首个撑持用单台4090办事器推理的开源千亿MoE年夜模子。 　　开源地址 　　Skywork-MoE的模子权重、手艺陈述完全开源，免费商用，无需申请。 　　模子架构 　　本次开源的Skywork-MoE模子附属于天工3.0的研发模子系列，是此中的中档巨细模子(Skywork-MoE-Medium)，模子的总参数目为146B，激活参数目22B，共有16个Expert，每一个Expert巨细为13B，每次激活此中的2个Expert。 　　模子能力 　　昆仑万维基于今朝各年夜主流模子评测榜单评测了Skywork-MoE，在不异的激活参数目20B(推理计较量)下，Skywork-MoE能力在行业前列，接近70B的Dense模子，使得模子的推理本钱有近3倍的降落。同时Skywork-MoE的总参数巨细比DeepSeekV2的总参数巨细要小1/3，用更小的参数范围做到了附近的能力。 　　手艺立异 　　为领会决MoE模子练习坚苦，泛化机能差的问题，相较于Mixtral-MoE， Skywork-MoE设计了两种练习优化算法： 　　1.Gating Logits归一化操作 　　昆仑万维在Gating Layer的token分发逻辑处新增了一个normalization操作，使得Gating Layer的参数进修加倍趋势于被选中的top-2 experts，增添MoE模子对top-2的置信度： 　　2.自顺应的 Aux Loss 　　有别于传统的固定系数(固定超参)的aux loss，昆仑万维在MoE练习的分歧阶段让模子自顺应的选择适合的aux loss超参系数，从而让Drop Token Rate连结在适合的区间内，既能做到expert分发的均衡，又能让expert进修具有差别化，从而晋升模子整体的机能和泛化程度。在MoE练习的前期，因为参数进修不到位，致使Drop Token Rate太高(token散布差别太年夜)，此时需要较年夜的aux loss帮忙token load balance；在MoE练习的后期，昆仑万维但愿Expert之间仍包管必然的辨别度，避免 Gating偏向为随机分发Token，是以需要较低的aux loss下降纠偏。 　　练习Infra 　　若何对MoE模子高效的进行年夜范围散布式练习是一个有难度的挑战，今朝社区还没有一个最好实践。Skywork-MoE提出了两个主要的并行优化设计，从而在千卡集群上实现了MFU 38%的练习吞吐，此中MFU以22B的激活参数计较理论计较量。 　　1.Expert Data Parallel 　　区分于Megatron-LM社区已有的EP(Expert Parallel)和ETP(Expert Tensor Parallel)设计，昆仑万维提出了一种称之为Expert Data Parallel的并行设计方案，这类并行方案可以在Expert数目较小时仍能高效的切分模子，对Expert引入的 all2all通讯也能够最年夜水平的优化和袒护。相较于EP对GPU数目的限制和ETP在千卡集群上的低效， EDP可以较好的解决年夜范围散布式练习MoE的并行痛点，同时EDP的设计简单、鲁棒、易扩大，可以较快的实现和验证。 　　2.非平均切分流水并行 　　因为first stage的Embedding计较和last stage的Loss计较，和Pipeline Buffer的存在，流水并行下平均切分Layer时的各stage计较负载和显存负载均有较较着的不平衡环境。昆仑万维提出了非平均的流水并行切分和重计较Layer分派体例，使得整体的计较/显存负载更平衡，约有10%摆布的端到端练习吞吐晋升。 　　MoE Know-how 　　另外，Skywork-MoE还经由过程一系列基于Scaling Laws的尝试，探讨哪些束缚会影响Upcycling和From Scratch练习MoE模子的黑白。 　　一个可以遵守的经验法则是：假如练习MoE模子的FLOPs是练习Dense模子的2倍以上，那末选择from Scratch练习MoE会更好，不然的话，选择Upcycling练习MoE 可以较着削减练习本钱。 　　4090推理 　　Skywork-MoE是今朝能在8x4090办事器上推理的最年夜的开源MoE模子。8x4090办事器一共有192GB的GPU显存，在FP8量化下(weight占用146GB)，利用昆仑万维初创的非平均Tensor Parallel并行推理体例，Skywork-MoE可以在适合的batch size 内到达2200 tokens/s的吞吐。 　　昆仑万维但愿本次开源的Skywork-MoE模子、手艺陈述和相干的尝试成果可以给开源社区进献更多的MoE练习经验和Know-how，包罗模子布局、超参选择、练习技能、练习推理加快等各方面，摸索用更低的练习推理本钱训更年夜更强的模子，在通往AGI的道路上进献一点气力。 【编纂:李滋润】。

本文心得:

广州上茶微信，是一个集合了多个行业的微信公众号。它的特色在于将不同行业的信息聚合在一起，为用户提供全方位的资讯和服务。无论是社交娱乐、商业购物还是生活健康，上茶微信都能满足用户的需求。下面将为您介绍上茶微信中的几个主要行业板块。

上茶微信中的社交娱乐板块是用户最喜欢的部分之一。在这里，用户可以找到各种有趣的话题和新鲜的资讯。例如，有时会有一些明星或者网红在上茶微信上发布一些有趣的视频，吸引了大批用户的关注和参与。此外，上茶微信还定期举办一些线上活动，让用户可以与其他用户互动，增加社交娱乐的乐趣。