浪潮信息发布“源 2.0”基础大模型，千亿参数代码开源

据介绍，源 2.0 通过使用中英文书籍、百科、论文等高质量中英文资料，降低了互联网语料内容占比。为了获取中文数学数据，浪潮信息清洗了从 2018 年至今约 10PB 的互联网数据，但仅获取到了约 10GB 的数学数据。

为了更高效地获得相对匮乏的高质量中文数学及代码数据集，源 2.0 采用了基于大模型的数据生产及过滤方法，在保证数据的多样性的同时也在每一个类别上提升数据质量。

算力方面，源 2.0 采用了非均匀流水并行的方法，综合运用流水线并行 + 优化器参数并行 + 数据并行的策略，让模型在流水并行各阶段的显存占用量分布更均衡，避免出现显存瓶颈导致的训练效率降低的问题。

源 2.0 在评测上进行了代码生成、数学问题求解、事实问答方面的能力测试，测试结果显示，源 2.0 整体表现处于中上水平。

源 2.0 采用全面开源策略，全系列模型参数和代码均可免费下载使用。IT之家附 GitHub 页面和论文链接：

代码开源链接：

https://github.com/IEIT-Yuan/Yuan-2.0

论文链接：

https://github.com/IEIT-Yuan/Yuan-2.0/blob/main/docs/Yuan2.0_paper.pdf

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。

未经允许不得转载：新聚网 » 浪潮信息发布“源 2.0”基础大模型，千亿参数代码开源