系列模型其中3个将开源
衡宇 发自 凹非寺
非常AI | 公众号 QbitAI
国产大模型队伍正当“百模大战”之际，现在又添一员——
BBT-2，全称BigBang Tansformer-2（乾元2），120亿参数的通用大模型。
以其为基础，项目团队还训练出了代码、金融、文生图等专业模型。
根据官方数据，其中的代码大模型在CSDN的自动编程评测标准上能达到C3，和GPT-3.5处于同一等级“条件自动编程”。
目前，专业的代码问答，已有demo可在线试玩～
据悉，BBT系列模型其中3个即将开源到GitHub、UCloud和官网，开箱可用。
会一并开源的还有近1000亿tokens的通用和金融预训练语料，以及8个中文金融大模型的评测数据集。
而这个项目的背后，是超对称公司和复旦大学知识工场实验室。
术业有专攻的BBT-2系列
BBT-2，是基于GPT Decoder-only架构的大模型，同系列BBT-1模型的2亿参数版本去年已经开源。
此次发布的BBT-2系列模型，包含以下6个：
- BBT-2-12B-Text：120亿参数的中文基础模型
- BBT-2.5-13B-Text：130亿参数的中文+英文双语基础模型
- BBT-2-12B-TC-001-SFT：经过指令微调的代码模型，可以进行对话
- BBT-2-12B-TF-001：在120亿模型上训的金融模型，用于解决金融领域任务
- BBT-2-12B-Image：文生图模型
- BBT-2-12B-Science：科学论文模型
总体看下来，BBT-2系列既有通用大模型，也有术业有专攻的垂域模型。
通用模型
先看通用方面，利用BBT-2，可以进行通用性的人机对话——
比如做一道居家旅行必备家常快手菜：
又或者每天编一个童话故事，讲给不肯睡觉的小朋友：
再或者提纲挈领，写个论文纲要：
专业模型
而专业模型提供的能力就相对聚焦。
利用BBT-TC，完成代码撰写——这个代码模型，是在百亿基座模型BBT-2-12B-Text后接续训练代码数据集，并通过有监督执行微调（supervised fine-tuing）等技术，实现人类意图对齐。
BBT-TC是微调模型，比其通用大模型推理快不少。因此，代码问答也是本次BBT开放的最主要的能力。
官方公布数据，专业测评中，BBT-TC写代码的能力次于GPT-3.5，但高于Copilot。
△各产品分项得分（150 分制）
实际测评中，BBT-TC会出现大部分代码模型都存在的问题，就是首次回答不完全正确，只有在多次提问后，才会微调出正确答案。
如让它设计一个简化版的推特，并附带一些额外功能。
首次给出的回答，并没有查看推文这部分的代码功能，却擅自增加了显示用户列表的部分。
但再多尝试几次，也会出现一个比较不错的答案。
体验过程中还发现，偶尔BBT-TC还会出现只提供代码实现思路，而非直接生成代码的情况。
也就是说，想要一次性生成能够成功运行的代码，还是需要一些特殊的prompt输入技巧。
（prompt工程师的重要性突然体现）
代码模型外，利用对标BloombergGPT的金融模型BBT-2-Finance，也可以完成金融领域的具体任务。
训练过程中，BBT-2-Finance搜集和爬取了几乎所有公开可以获得的中文金融语料数据。
比如过去20年主流媒体的财经新闻、上市公司公告和财报、金融社交平台用户发帖等。
所以用户可以用它从长篇文本中抓关键信息，撰写摘要：
△ChatGPT和BBT-2-Finance同题对比
和ChatGPT相比，BBT-2-Finance的摘要更简洁，同时也没落下重要信息。
还能针对金融行业对数字的高精度需求，对单位进行换算：
△ChatGPT和BBT-2-Finance同题对比
如上同题对比，ChatGPT就弄错了单位换算，但BBT-2-Finance完成了正确的单位转换。
浅试了一下，表格什么的也能解读且摘取相应文字：
专业领域，除了文字生成，还有个文生图模型BBT-Image。
和一般生成逼真图像的文生图模型不同，BBT-Image专门针对纺织行业，可以生成具有纹理、色彩和设计元素的纺织品团。
可以对比一下它和Stable Diffusion的生成效果。
△prompt：热带花卉芙蓉花，热带叶子，水彩效果图案，黑色背景，无缝图，循环图
△prompt：五颜六色的水母图案，细节清晰，无缝图，循环图
至于在科研论文上训练构建的BBT-Sicence，官方称可以应用在物理、化学、生物、数学领域，它能提供的能力主要有三方面：
- 一是快速精准的知识检索；
- 二是针对所研究领域的前沿问题提供新的ideas；
- 三是利用多学科知识训练出的能力提供跨学科的建议。
还要提一句，整个BBT系列中的3个模型即将开源，分别是金融模型BBT-1-1B、基础模型BBT-2-12B-Text、基础模型BBT-2.5-13B-Text。
背后团队
一系列操作的幕后玩家，是超对称技术公司和复旦大学知识工场实验室。
超对称技术公司在去年5月，发布了大模型BigBang Tansformer（乾元）的第一版BBT-1，在中文金融语料上训练而成的10亿参数模型。
复旦大学知识工场实验室，源于复旦图数据管理实验室（GDM@FUDAN），由教授肖仰华领衔。
整个过程，超对称公司主导预训练部分，指令微调和评测工作则联合复旦大学知识工场实验室完成。
据悉，有了系列模型后，背后团队也开始致力于对科学大模型进行评测。
超对称合作复旦、上海交大、浙大、南航、中山、北师大等多所大学，号召全球一线科研人员共同构建科研问题评测数据集ResearchQA，覆盖数学、物理、化学、生物、地理地质、计算机和电子工程等前沿科研领域。
ResearchQA提交邮箱：researchqa@susymmetry.com
BBT-2地址：https://www.ssymmetry.com/
