ChatGLM2-6B

💻 Github 仓库 • 🐦 Twitter • 📃 [GLM@ACL 22] [GitHub] • 📃 [GLM-130B@ICLR 23] [GitHub]

👋 加入我们的 Slack 和 微信

📍在 chatglm.cn 体验更大规模的 ChatGLM 模型

修改说明 (Modification)

• 修改示例代码部分，增加npu支持；

• 修改安装依赖；

• Modify example and add npu support;

• Modify denpendencies;

介绍

ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，ChatGLM2-6B 引入了如下新特性：

1. 更强大的性能：基于 ChatGLM 初代模型的开发经验，我们全面升级了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%） 、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。
2. 更长的上下文：基于 FlashAttention 技术，我们将基座模型的上下文长度（Context Length）由 ChatGLM-6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练，允许更多轮次的对话。但当前版本的 ChatGLM2-6B 对单轮超长文档的理解能力有限，我们会在后续迭代升级中着重进行优化。
3. 更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了 42%，INT4 量化下，6G 显存支持的对话长度由 1K 提升到了 8K。
4. 更开放的协议：ChatGLM2-6B 权重对学术研究完全开放，在填写问卷进行登记后亦允许免费商业使用。

ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本。它保留了初代模型流畅的对话体验和较低的部署门槛等优秀特性，同时引入了以下新功能：

1. 更强的性能：基于初代 ChatGLM 模型的开发经验，我们对 ChatGLM2-6B 的基座模型进行了全面升级。ChatGLM2-6B 采用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练和人类偏好对齐训练。评测结果显示，与初代模型相比，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%）、BBH（+60%）等数据集上的性能有了显著提升，在同尺寸开源模型中表现出较强的竞争力。
2. 更长的上下文：基于 FlashAttention 技术，我们将基座模型的上下文长度（Context Length）从 ChatGLM-6B 的 2K 扩展到了 32K，并在对话对齐阶段采用 8K 的上下文长度进行训练，支持更多轮次的对话。不过，当前版本的 ChatGLM2-6B 对单轮超长文档的理解能力有限，我们将在未来的迭代中重点优化这一问题。
3. 更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 拥有更高的推理速度和更低的显存占用。在官方实现下，推理速度较初代提升了 42%；在 INT4 量化情况下，6G 显存支持的对话长度从 1K 增加到了 8K。
4. 更开放的协议：ChatGLM2-6B 权重完全开放给学术研究使用，完成问卷登记后，也允许免费商业使用。

软件依赖

pip install protobuf transformers==4.30.2 cpm_kernels torch>=2.0 gradio mdtex2html sentencepiece accelerate, openmind

代码调用

可以通过如下代码调用 ChatGLM-6B 模型来生成对话：

from openmind import is_torch_npu_available, AutoTokenizer, AutoModel

if is_torch_npu_available():
    device = "npu:0"
elif torch.cuda.is_available():
    device = "cuda:0"
else:
    device = "cpu"

tokenizer = AutoTokenizer.from_pretrained("PyTorch-NPU/chatglm2_6b", trust_remote_code=True)
model = AutoModel.from_pretrained("PyTorch-NPU/chatglm2_6b", trust_remote_code=True, device_map=device).half()
model = model.eval()
response, history = model.chat(tokenizer, "你好", history=[])
print(response)
response, history = model.chat(tokenizer, "晚上睡不着应该怎么办", history=history)
print(response)

关于更多的使用说明，包括如何运行命令行和网页版本的 DEMO，以及使用模型量化以节省显存，请参考我们的 Github Repo。

有关更多说明，包括如何运行命令行和网页演示，以及模型量化，请参考我们的 Github Repo。

更新日志

• v1.0

协议

本仓库的代码依照Apache-2.0协议开源，ChatGLM2-6B 模型的权重的使用则需要遵循 Model License。

引用

如果你觉得我们的工作有帮助的话，请考虑引用下列论文，ChatGLM2-6B 的论文会在近期公布，敬请期待～

@article{zeng2022glm,
  title={Glm-130b: An open bilingual pre-trained model},
  author={Zeng, Aohan and Liu, Xiao and Du, Zhengxiao and Wang, Zihan and Lai, Hanyu and Ding, Ming and Yang, Zhuoyi and Xu, Yifan and Zheng, Wendi and Xia, Xiao and others},
  journal={arXiv preprint arXiv:2210.02414},
  year={2022}
}

@inproceedings{du2022glm,
  title={GLM: General Language Model Pretraining with Autoregressive Blank Infilling},
  author={Du, Zhengxiao and Qian, Yujie and Liu, Xiao and Ding, Ming and Qiu, Jiezhong and Yang, Zhilin and Tang, Jie},
  booktitle={Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)},
  pages={320--335},
  year={2022}
}