10月30日消息，百川智能發(fā)布Baichuan2-192K大模型。其上下文窗口長度高達192K，是目前全球最長的上下文窗口。
Baichuan2-192K能夠處理約35萬個漢字，是目前支持長上下文窗口最優(yōu)秀大模型Claude2（支持100K上下文窗口，實測約8萬字）的 4.4倍，更是 GPT-4（支持32K上下文窗口，實測約 2.5萬字）的14倍。Baichuan2-192K不僅在上下文窗口長度上超越Claude2，在長窗口文本生成質量、長上下文理解以及長文本問答、摘要等方面的表現(xiàn)也全面領先Claude2。
今年9月25日，百川智能已開放了Baichuan2的API接口，正式進軍企業(yè)級市場，開啟商業(yè)化進程。此次Baichuan2-192K將以API調用和私有化部署的方式提供給企業(yè)用戶，目前百川智能已經(jīng)啟動Baichuan2-192K的API內測，開放給法律、媒體、金融等行業(yè)的核心合作伙伴。
10項長文本評測7項取得SOTA，全面領先Claude2
上下文窗口長度是大模型的核心技術之一，通過更大的上下文窗口，模型能夠結合更多上下文內容獲得更豐富的語義信息，更好的捕捉上下文的相關性、消除歧義，進而更加準確、流暢的生成內容，提升模型能力。
Baichuan2-192K在Dureader、NarrativeQA、LSHT、TriviaQA等10項中英文長文本問答、摘要的評測集上表現(xiàn)優(yōu)異，有7項取得SOTA，顯著超過其他長窗口模型。
此外，LongEval的評測結果顯示，在窗口長度超過100K后Baichuan2-192K依然能夠保持非常強勁的性能，而其他開源或者商用模型在窗口增長后效果都出現(xiàn)了近乎直線下降的情況。Claude2也不例外，在窗口長度超過80K后整體效果下降非常嚴重。由此可見，Baichuan2-192K的長窗口內容記憶和理解能力大幅領先其他模型。
（LongEval是加州大學伯克利分校聯(lián)合其他高校發(fā)布的針對長窗口模型的評測榜單，主要用來衡量模型對長窗口內容的記憶和理解能力，是業(yè)內公認的長上下文窗口理解權威評測榜單）
動態(tài)采樣的位置編碼優(yōu)化，4D并行的分布式方案，同步提升窗口長度和模型性能
擴大上下文窗口能有效提升大模型性能是人工智能行業(yè)的共識，但是超長上下文窗口意味著更高的算力需求和更大的顯存壓力。目前，業(yè)內有很多提升上下文窗口長度的方式，包括滑動窗口、降采樣、小模型等。這些方式雖然能提升上下文窗口長度，但對模型性能均有不同程度的損害，換言之都是通過犧牲模型其他方面的性能來換取更長的上下文窗口。
而本次百川發(fā)布的Baichuan2-192K通過算法和工程的極致優(yōu)化，實現(xiàn)了窗口長度和模型性能之間的平衡，做到了窗口長度和模型性能的同步提升。
算法方面，百川智能提出了一種針對RoPE和ALiBi動態(tài)位置編碼的外推方案，該方案能夠對不同長度的ALiBi位置編碼進行不同程度的Attention-mask動態(tài)內插，在保證分辨率的同時增強了模型對長序列依賴的建模能力。在長文本困惑度標準評測數(shù)據(jù) PG-19上，當窗口長度擴大，Baichuan2-192K的序列建模能力持續(xù)增強。
（PG-19是DeepMind發(fā)布的語言建模基準數(shù)據(jù)集，是業(yè)內公認的衡量模型長程記憶推理問題的評測標準）
工程方面，在自主開發(fā)的分布式訓練框架基礎上，百川智能整合目前市場上所有先進的優(yōu)化技術，包括張量并行、流水并行、序列并行、重計算以及Offload功能等，獨創(chuàng)了一套全面的4D并行分布式方案。該方案能夠根據(jù)模型具體的負載情況，自動尋找最適合的分布式策略，極大降低了長窗口訓練和推理過程中的顯存占用。
百川智能在算法和工程上針對長上下文窗口的創(chuàng)新，不僅是大模型技術層面的突破，對于學術領域同樣有著重要意義。Baichuan2-192K驗證了長上下文窗口的可行性，為大模型性能提升開拓出了新的科研路徑。
Baichuan2-192K正式開啟內測，已落地法律、媒體等諸多真實場景
Baichuan2-192K現(xiàn)已正式開啟內測，以API調用的方式開放給百川智能的核心合作伙伴，已經(jīng)與財經(jīng)類媒體及律師事務所等機構達成了合作，將Baichuan2-192K全球領先的長上下文能力應用到了傳媒、金融、法律等具體場景當中，不久后將全面開放。
全面開放API之后，Baichuan2-192K便能夠與更多的垂直場景深度結合，真正在人們的工作、生活、學習中發(fā)揮作用，助力行業(yè)用戶更好的降本增效。Baichuan2-192K 能夠一次性處理和分析數(shù)百頁的材料，對于長篇文檔關鍵信息提取與分析，長文檔摘要、長文檔審核、長篇文章或報告編寫、復雜編程輔助等真實場景都有巨大的助力作用。
它可以幫助基金經(jīng)理總結和解釋財務報表，分析公司的風險和機遇；幫助律師識別多個法律文件中的風險，審核合同和法律文件；幫助技術人員閱讀數(shù)百頁的開發(fā)文檔，并回答技術問題；還能幫助科員人員快速瀏覽大量論文，總結最新的前沿進展。
不僅如此，更長的上下文還為其更好的處理和理解復雜的多模態(tài)輸入，以及實現(xiàn)更好的遷移學習提供了底層支撐，這將為行業(yè)探索Agent、多模態(tài)應用等前沿領域打下良好技術基礎。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
