ChatGLM: GLM-130BからGLM-4 All Toolsまでの大規模言語モデルファミリー

ChatGLM: A Family of Large Language Models from GLM-130B to GLM-4 All Tools

June 18, 2024

著者: Team GLM, Aohan Zeng, Bin Xu, Bowen Wang, Chenhui Zhang, Da Yin, Diego Rojas, Guanyu Feng, Hanlin Zhao, Hanyu Lai, Hao Yu, Hongning Wang, Jiadai Sun, Jiajie Zhang, Jiale Cheng, Jiayi Gui, Jie Tang, Jing Zhang, Juanzi Li, Lei Zhao, Lindong Wu, Lucen Zhong, Mingdao Liu, Minlie Huang, Peng Zhang, Qinkai Zheng, Rui Lu, Shuaiqi Duan, Shudan Zhang, Shulin Cao, Shuxun Yang, Weng Lam Tam, Wenyi Zhao, Xiao Liu, Xiao Xia, Xiaohan Zhang, Xiaotao Gu, Xin Lv, Xinghan Liu, Xinyi Liu, Xinyue Yang, Xixuan Song, Xunkai Zhang, Yifan An, Yifan Xu, Yilin Niu, Yuantao Yang, Yueyan Li, Yushi Bai, Yuxiao Dong, Zehan Qi, Zhaoyu Wang, Zhen Yang, Zhengxiao Du, Zhenyu Hou, Zihan Wang

cs.AI

要旨

私たちは、ChatGLMという進化し続ける大規模言語モデルファミリーを紹介します。本レポートでは主に、GLM-4言語シリーズ（GLM-4、GLM-4-Air、GLM-4-9B）に焦点を当てます。これらは、過去3世代のChatGLMから得られた知見と教訓を全て取り入れてトレーニングされた、私たちの最も優れたモデルです。現在までに、GLM-4モデルは主に中国語と英語の10兆トークンに加え、24言語の小規模なコーパスで事前学習され、主に中国語と英語の使用に合わせて調整されています。この高品質な調整は、教師あり微調整と人間のフィードバックからの学習を含む多段階のポストトレーニングプロセスによって実現されています。評価結果によると、GLM-4は1) MMLU、GSM8K、MATH、BBH、GPQA、HumanEvalなどの一般的な指標においてGPT-4に匹敵またはそれを上回り、2) IFEvalで測定された指示追従においてGPT-4-Turboに近づき、3) 長文コンテキストタスクにおいてGPT-4 Turbo（128K）およびClaude 3と同等であり、4) AlignBenchで測定された中国語の調整においてGPT-4を上回ります。GLM-4 All Toolsモデルはさらに、ユーザーの意図を理解し、ウェブブラウザ、Pythonインタプリタ、テキストから画像へのモデル、ユーザー定義関数などのツールをいつどのように使用するかを自律的に決定するように調整されており、複雑なタスクを効果的に完了します。実際のアプリケーションでは、ウェブブラウジングによるオンライン情報へのアクセスやPythonインタプリタを使用した数学問題の解決などのタスクにおいて、GPT-4 All Toolsに匹敵し、それを上回ることもあります。これまでに、ChatGLM-6B（3世代）、GLM-4-9B（128K、1M）、GLM-4V-9B、WebGLM、CodeGeeXなどの一連のモデルをオープンソース化し、2023年だけでHugging Faceで1000万回以上のダウンロードを集めました。オープンモデルは、https://github.com/THUDM および https://huggingface.co/THUDM からアクセスできます。

English

We introduce ChatGLM, an evolving family of large language models that we have been developing over time. This report primarily focuses on the GLM-4 language series, which includes GLM-4, GLM-4-Air, and GLM-4-9B. They represent our most capable models that are trained with all the insights and lessons gained from the preceding three generations of ChatGLM. To date, the GLM-4 models are pre-trained on ten trillions of tokens mostly in Chinese and English, along with a small set of corpus from 24 languages, and aligned primarily for Chinese and English usage. The high-quality alignment is achieved via a multi-stage post-training process, which involves supervised fine-tuning and learning from human feedback. Evaluations show that GLM-4 1) closely rivals or outperforms GPT-4 in terms of general metrics such as MMLU, GSM8K, MATH, BBH, GPQA, and HumanEval, 2) gets close to GPT-4-Turbo in instruction following as measured by IFEval, 3) matches GPT-4 Turbo (128K) and Claude 3 for long context tasks, and 4) outperforms GPT-4 in Chinese alignments as measured by AlignBench. The GLM-4 All Tools model is further aligned to understand user intent and autonomously decide when and which tool(s) touse -- including web browser, Python interpreter, text-to-image model, and user-defined functions -- to effectively complete complex tasks. In practical applications, it matches and even surpasses GPT-4 All Tools in tasks like accessing online information via web browsing and solving math problems using Python interpreter. Over the course, we have open-sourced a series of models, including ChatGLM-6B (three generations), GLM-4-9B (128K, 1M), GLM-4V-9B, WebGLM, and CodeGeeX, attracting over 10 million downloads on Hugging face in the year 2023 alone. The open models can be accessed through https://github.com/THUDM and https://huggingface.co/THUDM.