Pangu Ultra: De Grenzen Verleggen van Dichte Grote Taalmodellen op Ascend NPU's

Pangu Ultra: Pushing the Limits of Dense Large Language Models on Ascend NPUs

April 10, 2025

Auteurs: Yichun Yin, Wenyong Huang, Kaikai Song, Yehui Tang, Xueyu Wu, Wei Guo, Peng Guo, Yaoyuan Wang, Xiaojun Meng, Yasheng Wang, Dong Li, Can Chen, Dandan Tu, Yin Li, Fisher Yu, Ruiming Tang, Yunhe Wang, Baojun Wang, Bin Wang, Bo Wang, Boxiao Liu, Changzheng Zhang, Duyu Tang, Fei Mi, Hui Jin, Jiansheng Wei, Jiarui Qin, Jinpeng Li, Jun Zhao, Liqun Deng, Lin Li, Minghui Xu, Naifu Zhang, Nianzu Zheng, Qiang Li, Rongju Ruan, Shengjun Cheng, Tianyu Guo, Wei He, Wei Li, Weiwen Liu, Wulong Liu, Xinyi Dai, Yonghan Dong, Yu Pan, Yue Li, Yufei Wang, Yujun Li, Yunsheng Ni, Zhe Liu, Zhenhe Zhang, Zhicheng Liu

cs.AI

Samenvatting

We presenteren Pangu Ultra, een Large Language Model (LLM) met 135 miljard parameters en dichte Transformer-modules die zijn getraind op Ascend Neural Processing Units (NPU's). Hoewel het veld van LLM de afgelopen jaren ongekende vooruitgang heeft geboekt in het vergroten van de schaal en capaciteit van LLM's, blijft het trainen van zo'n grootschalig model aanzienlijke optimalisatie- en systeemuitdagingen met zich meebrengen. Om het trainingsproces te stabiliseren, introduceren we depth-scaled sandwich-normalisatie, die effectief verliespieken tijdens het trainen van diepe modellen elimineert. We pre-trainen ons model op 13,2 biljoen diverse en hoogwaardige tokens en verbeteren verder zijn redeneervermogen tijdens post-training. Om zo'n grootschalige training efficiënt uit te voeren, maken we gebruik van 8.192 Ascend NPU's met een reeks systeemoptimalisaties. Evaluaties op meerdere diverse benchmarks tonen aan dat Pangu Ultra de state-of-the-art capaciteiten van dichte LLM's zoals Llama 405B en Mistral Large 2 aanzienlijk verbetert, en zelfs competitieve resultaten behaalt met DeepSeek-R1, wiens sparse modelstructuur aanzienlijk meer parameters bevat. Onze verkenning toont aan dat Ascend NPU's in staat zijn om dichte modellen met meer dan 100 miljard parameters efficiënt en effectief te trainen. Ons model en systeem zullen beschikbaar zijn voor onze commerciële klanten.

English

We present Pangu Ultra, a Large Language Model (LLM) with 135 billion parameters and dense Transformer modules trained on Ascend Neural Processing Units (NPUs). Although the field of LLM has been witnessing unprecedented advances in pushing the scale and capability of LLM in recent years, training such a large-scale model still involves significant optimization and system challenges. To stabilize the training process, we propose depth-scaled sandwich normalization, which effectively eliminates loss spikes during the training process of deep models. We pre-train our model on 13.2 trillion diverse and high-quality tokens and further enhance its reasoning capabilities during post-training. To perform such large-scale training efficiently, we utilize 8,192 Ascend NPUs with a series of system optimizations. Evaluations on multiple diverse benchmarks indicate that Pangu Ultra significantly advances the state-of-the-art capabilities of dense LLMs such as Llama 405B and Mistral Large 2, and even achieves competitive results with DeepSeek-R1, whose sparse model structure contains much more parameters. Our exploration demonstrates that Ascend NPUs are capable of efficiently and effectively training dense models with more than 100 billion parameters. Our model and system will be available for our commercial customers.