ChatGLM: Семейство больших языковых моделей от GLM-130B до GLM-4 Все Инструменты

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

June 18, 2024

Авторы: 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

Аннотация

Мы представляем ChatGLM, развивающуюся семью больших языковых моделей, над которыми мы работали в течение времени. В данном отчете основное внимание уделяется серии языков GLM-4, включающей в себя модели GLM-4, GLM-4-Air и GLM-4-9B. Они представляют наши наиболее продвинутые модели, обученные с учетом всех идей и уроков, извлеченных из предшествующих трех поколений ChatGLM. На сегодняшний день модели GLM-4 предварительно обучены на десяти триллионах токенов в основном на китайском и английском языках, а также на небольшом наборе корпусов из 24 языков, в основном выровненных для использования на китайском и английском. Высокое качество выравнивания достигается с помощью многоступенчатого процесса последующего обучения, включающего надзорную донастройку и обучение на основе обратной связи от людей. Оценки показывают, что модель GLM-4 1) близко конкурирует или превосходит GPT-4 по общим метрикам, таким как MMLU, GSM8K, MATH, BBH, GPQA и HumanEval, 2) приближается к GPT-4-Turbo в следовании инструкциям, измеряемому по IFEval, 3) соответствует GPT-4 Turbo (128K) и Claude 3 для задач с длинным контекстом, и 4) превосходит GPT-4 в выравнивании на китайском языке, измеряемом по AlignBench. Модель GLM-4 All Tools дополнительно выравнена для понимания намерений пользователя и автономного принятия решения о том, когда и какой инструмент(ы) использовать - включая веб-браузер, интерпретатор Python, модель текст-в-изображение и пользовательские функции - для эффективного выполнения сложных задач. В практических приложениях она соответствует и даже превосходит GPT-4 All Tools в задачах, таких как доступ к онлайн-информации через веб-браузинг и решение математических задач с использованием интерпретатора Python. За время работы мы сделали доступными для общественности ряд моделей, включая ChatGLM-6B (три поколения), GLM-4-9B (128K, 1M), GLM-4V-9B, WebGLM и CodeGeeX, привлекая более 10 миллионов загрузок на Hugging Face только в 2023 году. Открытые модели можно получить на https://github.com/THUDM и https://huggingface.co/THUDM.

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.