Firefly 多轮对话微调书生·浦语 InternLM-7B 实践

InternLM ，即书生·浦语大模型，是由上海人工智能实验室开发的，包含面向实用场景的70亿参数基础模型与对话模型 （InternLM-7B）。

https://github.com/InternLM/InternLM

模型具有以下特点：

• 使用上万亿高质量语料，建立模型超强知识体系；

• 支持8k语境窗口长度，实现更长输入与更强推理体验；

• 通用工具调用能力，支持用户灵活自助搭建流程；

该团队还开源了大模型评测工具OpenCompass，并且有OpenCompass大模型排行榜，可以从学科综合能力、语言能力、知识能力、推理能力、理解能力五大能力维度对模型进行评测。

https://github.com/InternLM/opencompass

对于InternLM模型，官方提供的评测结果如下图所示，就该评测结果而言，InternLM-7B相比Baichuan-7B存在一定的优势。

OpenCompass排行榜上有更丰富的模型评测结果，该榜单从学科综合能力、语言能力、知识能力、理解能力、推理能力等多种维度对模型进行评测。我们摘录了部分模型在中文数据集上的综合评分，其中InternLM-7B的表现不俗，超越了XVERSE-13B、Baichuan-7B，逼近Baichuan-13B-Base。

上述表格中，除了GPT-4与ChatGPT外，我们只列出了预训练模型，也就是未经过指令微调的模型，各个预训练模型之间的差距还是非常大的。

榜单中出现了几个比较有意思的评测现象，在此抛出来和大家一起分享讨论：

1. Qwen-7B碾压一众中文模型，在所有中文预训练模型中排名第一，并且拉开了非常大的差距。

2. InternLM-7B优于XVERSE-13B，逼近Baichaun-13B-Base。
   

3. 在中文榜单上，部分英文模型优于中文模型。例如LLaMA-7B优于Baichuan-7B，LLaMA-2-13B优于Baichaun-13B-Base。

4. 在英文榜单上，Qwen-7B以57.9分，InternLM以53.4分，Baichuan-13B-Base以50.5分，击败LLaMA-2-70B的49.7分。

对于上述现象，在此抛砖引玉，欢迎讨论，一家之言，仅供参考。

1. Qwen-7B碾压一众中文模型，大概率可以归功于其2.2万亿的预训练token。在OpenCompass的英文榜单上，Llama-13B与Llama-2-7B的综合评分分别为36.3和36.8，也出现了以小胜大的情况。这说明通过堆数据，在榜单上以小胜大也是合理的现象。

2. 在中文榜单上，LLaMA优于Baichuan；在英文榜单上，一系列13B以下的小模型击败了LLaMA-2-70B。比较反直觉，也许需要深入到综合评分的构成，以及评测方法。

3. 如今大模型预训练，大家恨不得把整个互联网的数据都塞进模型里，无可避免，或多或少会有一部分榜单数据，或者类榜单的数据参与训练，造成数据泄露。这也是当前各种开源榜单的局限性。

4. 当前很多大模型榜单，很大部分评测集是客观题、常识题，还是以做题的思路评测大模型，对于评测大模型的能力，也许还不够全面。不过也是能够从某一角度，为大模型的能力提供依据。

总而言之，言而总之，大模型的评测工作很困难，目前开源的评测榜单或多或少存在一些局限性。开源评测榜单可以作为参考，但需要结合具体业务进行更加全面的评测工作。

期待国产开源大模型百花齐放，百家争鸣，共同进步。

更多模型的评测结果可以查看OpenCompass排行榜：

https://opencompass.org.cn/leaderboard-llm

<s>input1</s>target1</s>input2</s>target2</s>...

{    "output_dir": "output/firefly-internlm-7b",    "model_name_or_path": "internlm/internlm-7b",    "train_file": "./data/dummy_data.jsonl",    "num_train_epochs": 1,    "per_device_train_batch_size": 8,    "gradient_accumulation_steps": 2,    "learning_rate": 2e-4,    "max_seq_length": 1024,    "logging_steps": 300,    "save_steps": 500,    "save_total_limit": 1,    "lr_scheduler_type": "constant_with_warmup",    "warmup_steps": 3000,    "lora_rank": 64,    "lora_alpha": 16,    "lora_dropout": 0.05,
    "gradient_checkpointing": true,    "disable_tqdm": false,    "optim": "paged_adamw_32bit",    "seed": 42,    "fp16": true,    "report_to": "tensorboard",    "dataloader_num_workers": 0,    "save_strategy": "steps",    "weight_decay": 0,    "max_grad_norm": 0.3,    "remove_unused_columns": false}

torchrun --nproc_per_node={num_gpus} train_qlora.py --train_args_file train_args/qlora/internlm-7b-sft-qlora.json

更多生成示例，请扫描二维码，或者打开文档链接，查看共享文档的内容：

https://docs.qq.com/sheet/DU3JIcHJlSVZHS2Zl?tab=c5vlid

本文主要对书生·浦语InternLM模型进行了介绍，分享了Firefly对InternLM-7B模型进行微调的效果，并且分享了OpenCompass排行榜上一些评测结果。总体而言，书生·浦语InternLM是一个优秀的中文基座模型。

最后期待国产开源大模型百花齐放，百家争鸣。

点击下方“阅读原文”直达 InternLM