ChatGLM3-6B

💻 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 (Introduction)

ChatGLM3-6B 是 ChatGLM 系列最新一代的开源模型，在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上，ChatGLM3-6B 引入了如下特性：

1. 更强大的基础模型： ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。在语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base 具有在 10B 以下的预训练模型中最强的性能。
2. 更完整的功能支持： ChatGLM3-6B 采用了全新设计的 Prompt 格式，除正常的多轮对话外。同时原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。
3. 更全面的开源序列： 除了对话模型 ChatGLM3-6B 外，还开源了基础模型 ChatGLM-6B-Base、长文本对话模型 ChatGLM3-6B-32K。以上所有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。

ChatGLM3-6B 是 ChatGLM 系列的最新开源模型。在保留前两代模型流畅对话、低部署门槛等诸多优秀特性的基础上，ChatGLM3-6B 引入了以下新特性：

1. 更强大的基础模型： ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样化的训练数据、更充分的训练步数以及更合理的训练策略。在语义、数学、推理、代码、知识等不同维度的数据集测评中，ChatGLM3-6B-Base 展现出在 100 亿参数以下预训练模型中的最强性能。
2. 更全面的功能支持： ChatGLM3-6B 采用了全新设计的 Prompt 格式，除了常规的多轮对话外，还原生支持工具调用（Function Call）、代码执行（Code Interpreter）以及 Agent 任务等复杂场景。
3. 更完整的开源序列： 除对话模型 ChatGLM3-6B 外，还开源了基础模型 ChatGLM-6B-Base 和长文本对话模型 ChatGLM3-6B-32K。所有权重完全开放供学术研究使用，填写问卷完成登记后，亦允许免费商业使用。

软件依赖 (Dependencies)

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

代码调用 (Code Usage)

可以通过如下代码调用 ChatGLM3-6B 模型来生成对话：

您可以通过以下代码调用 ChatGLM3-6B 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/chatglm3_6b", trust_remote_code=True)
model = AutoModel.from_pretrained("PyTorch-NPU/chatglm3_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。

协议 (License)

本仓库的代码依照Apache-2.0协议开源，ChatGLM3-6B 模型的权重的使用则需要遵循 Model License。

本仓库的代码基于Apache-2.0协议开源，而ChatGLM3-6B模型权重的使用需遵守 Model License。

引用 (Citation)

如果你觉得我们的工作有帮助的话，请考虑引用下列论文。

如果您认为我们的工作有所帮助，请考虑引用以下论文。

@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}
}