FlagAlpha_-_Atom-7B-Chat-4bits

Quantization made by Richard Erkhov.

Github

Discord

Request more models

Atom-7B-Chat - bnb 4bits

• Model creator: https://huggingface.co/FlagAlpha/
• Original model: https://huggingface.co/FlagAlpha/Atom-7B-Chat/

Original model description:

developers: [https://huggingface.co/FlagAlphaAI] license: apache-2.0 language:

• zh
• en pipeline_tag: question-answering library_name: transformers

---

Atom-7B-32k-Chat

基于Atom-7B具有32k长度的对话模型，完全开源可商用，由Llama中文社区和AtomEcho（原子回声）联合研发，基于Llama2-7B采用大规模的中文数据进行了继续预训练，我们会持续提供更新的模型参数，模型训练过程见llama.family。

模型的部署、训练、微调等方法详见Llama中文社区GitHub仓库：Llama-Chinese。

📝 中文数据

我们也欢迎大家在llama.family中贡献自己的数据，您的数据通过审核后会加入模型训练，也将影响模型未来的能力走向。

📚 中文词表

为了提高中文文本处理的效率，我们针对Llama2模型的词表进行了深度优化。

首先，我们基于数百G的中文文本，在Llama2词表的基础上扩展词库至65,000个单词。

经过测试，我们的改进使得中文编码/解码速度提高了约350％。

此外，我们还扩大了中文字符集的覆盖范围，包括所有emoji符号，这使的生成带有表情符号的文章更加高效。

对于Llama2原生词表中的一些特殊情况，如数字、英文等，我们尽可能地避免对其进行修改或替换。

最终，成功地实现了一种既能提高中文处理效率又能保持Llama2原有性能的方法。

📈 训练过程

模型结构

基于当前最优秀的开源模型Llama2，使用主流Decoder-only的标准Transformer网络结构，支持4K的上下文长度（Context Length），为同尺寸模型中最长，能满足更长的多轮对话、知识问答与摘要等需求，模型应用场景更广泛。

FlashAttention-2高效训练

Atom-7B采用了FlashAttention-2技术进行训练。由于在处理较长的输入序列时，内存消耗的问题可能会导致“内存爆炸”现象。FlashAttention-2是一种高效注意力机制的实现方式之一，相较于传统的注意力技术（Attention），它拥有更快速的速度以及更加优化的内存占用率。

基于NTK的自适应上下文扩展技术

• 可在不继续训练模型的情况下支持更长的上下文
• 本项目中模型默认支持4K上下文，利用上述技术可扩展至18K+
• 经过微调可以支持到32K+

💻 推理配置

实际应用中，消费级显卡要比专业显卡便宜的多（比如3090相比A10，同样都是24G显存）。

对于消费级显卡，直接FP32肯定放不下，一般最基本的是FP16，而INT8和INT4量化就很有用，例如：

• 对于3080显卡（10G显存），Atom-7B的INT8只需要8G显存可以直接部署。
• 对于3080显卡（10G显存），Atom-7B的INT4只需要5G显存可以直接部署。

---

Llama中文社区

🚀 社区地址：

Github：Llama-Chinese

在线体验链接：llama.family

🔥 社区介绍

欢迎来到Llama中文社区！

我们是一个专注于Llama模型在中文方面的优化和上层建设的高级技术社区。

基于大规模中文数据，从预训练开始对Llama2模型进行中文能力的持续迭代升级。

我们热忱欢迎对大模型LLM充满热情的开发者和研究者加入我们的行列。

🐼 社区资源

• Llama2在线体验链接llama.family，同时包含Meta原版和中文微调版本！
• Llama2 Chat模型的中文问答能力评测！
• 社区飞书知识库，欢迎大家一起共建！