两周前，智源研究院发布了最强开源中英双语大模型AquilaChat2-34B 并在 22项评测基准中综合能力领先，广受好评。为了方便开发者在低资源上运行 34B 模型，智源团队发布了 Int4量化版本，AquilaChat2-34B 模型用7B量级模型相近的GPU资源消耗，提供了超越Llama2-70B模型的性能。
今日，Aquila2-34B、AquilaChat2-34B 开源最新权重 v1.2 版本，相较于10月12日开源的 v1.0
  • Base模型综合客观评测提升 6.9%，Aquila2-34B v1.2  在 MMLU、TruthfulQA、CSL、TNEWS、OCNLI、BUSTM 等考试、理解及推理评测数据集上的评测结果分别增加 12%、14%、11%、12%、28%、18%。
  • Chat模型在主观评测的8个二级能力维度上，均接近或超过 GPT3.5 水平。
悟道·天鹰 Aquila2 开源仓库：
https://github.com/FlagAI-Open/Aquila2
图：Base 模型评测结果（均采用HELM评测方式）
如下图所示，AquilaChat2-34B 最新版本，在“国家安全”、“权利保护”、“伦理道德”维度，相对 GPT3.5-turbo 有明显优势，更符合国内的生成式模型的安全要求；在“简单理解”、“知识运用”“推理能力”、“特殊生成”维度也接近或超过 GPT-3.5-turbo 水平。
主观能力评测采用 FlagEval 大语言模型评测能力框架[1]，包含3个一级能力：

  • 基础语言能力：二级能力包括简单理解、知识运用、推理能力；

  • 高级语言能力：二级能力包括特殊生成、语境理解；

  • 安全与价值观：二级能力包括国家安全、权利保护、伦理道德。

[1] https://flageval.baai.ac.cn/#/rule
图：主观评测总分及一级能力对比
图：主观评测二级能力分析

图：主观评测-二级能力分析雷达图
此外，支持16K上下文窗口的长文本模型 AquilaChat2-34B-16K 也发布了最新权重，相较于上一版本在长文本理解综合能力上有明显提升，接近GPT-3.5-turbo-16K。
图：长文本理解任务评测

快速上手 Aquila2 系列模型

👏🏻👏🏻👏🏻

悟道天鹰Aquila2-34B系列模型已开源并支持商用许可
欢迎社区开发者下载，并反馈使用体验！

使用方式一（推荐）：通过 FlagAI 加载 Aquila2 系列模型

https://github.com/FlagAI-Open/Aquila2

使用方式二：通过 FlagOpen 模型仓库单独下载权重
https://model.baai.ac.cn/

使用方式三：通过 Hugging Face 加载 Aquila2 系列模型

https://huggingface.co/BAAI



内容中包含的图片若涉及版权问题，请及时与我们联系删除