openPangu-7B-Diffusion-Base

开源盘古-7B-Diffusion-Base

中文 | English

1. 简介

openPangu-R-7B-Diffusion 是一种基于扩散机制的新型语言模型，采用了前文因果块扩散（context-causal block diffusion）技术，采用稠密结构，参数量为 7B（不含词表Embedding）。openPangu-R-7B-Diffusion在openPangu-Embedded-7B预训练模型基础上进行续训，依次进行了700B 8k序列长度的预训练，100B 32k序列长度的退火，和10 epoch的10B慢思考SFT。模型训练推理全流程基于昇腾NPU。

• openPangu-7B-Diffusion-Base：预训练模型，上下文长度为8k。
• openPangu-R-7B-Diffusion：慢思考SFT模型，上下文长度为32k。

主要特点：

推理

openPangu-R-7B-Diffusion采用前文因果块扩散解码，逐块进行扩散解码。解码过程中块内为全注意力，前文为因果注意力。当块内的token全部完成解码时，将整块token存入前文KV缓存，缓存采用因果注意力掩码，同时解码下一个block的首token。

• 支持变长推理和KV缓存。
• 灵活的上下文长度，不受块长度的限制。
• 支持自回归和块扩散两种解码方式。
• 使用confidence threshold采样，相比标准自回归解码，吞吐量最高可提升2.5倍。
• 类似于Fast dLLMv2在block内设置small block，可实现吞吐和效果的权衡，通常在small block长为4或8时表现最优。

训练

openPangu-R-7B-Diffusion训练时将带掩码语料块与不带掩码的context拼接。对掩码语料块预测掩码部分token，对不带掩码的context部分进行自回归训练。

• 保留与自回归模型相同的前文因果注意力掩码（causal attention mask）形状，快速从自回归模型适配到BlockDiffusion模型。
• BlockDiffusion的块扩散训练，只利用了带掩码的语料块进行训练，无掩码的context部分信息被浪费。得益于前文因果（context-causal）的设计，openPangu-R-7B-Diffusion能够同时对context进行自回归训练，提升训练效率。
• 与全注意力扩散模型相比，每个batch参与训练的token数更稳定，确保长序列训练能够平稳进行。

2. 模型架构

3. 测评结果

注： 评估结果超参设定 alg="entropy", num_small_blocks=8 。尽管 openPangu-7B-Diffusion-Base 的最大长度为 8192 个 token，但通常 512 个 token 就足以用于基准测试。

4. 部署和使用

4.1 环境准备

硬件规格

Atlas 800T A2 (64GB)，驱动与固件安装包获取请参照 [Atlas 800T A2]。

软件环境

• 操作系统：Linux（推荐 openEuler>=24.03）
• CANN==8.1.RC1，安装准备及流程请参照 [CANN Install]
• python==3.10
• torch==2.6.0
• torch-npu==2.6.0
• transformers==4.53.2

以上软件配套经过验证，理论可以支持更高版本，如有疑问，可以提交 issue。

4.2 推理样例

下述内容提供 openPangu-7B-Diffusion-Base 在 transformers 框架上进行推理的一个简单示例：

运行前请修改 generate.py，添加模型路径。

cd inference
python generate.py

与基准测试不同，为了实现最佳吞吐量，采样参数应设置为 alg="confidence_threshold", threshold=0.9, num_small_blocks=1，并根据设备选择合适的batch size。

5. 模型许可证

除文件中对开源许可证另有约定外，openPangu-7B-Diffusion-Base 模型根据 OPENPANGU MODEL LICENSE AGREEMENT VERSION 1.0 授权，旨在允许使用并促进人工智能技术的进一步发展。有关详细信息，请参阅模型存储库根目录中的 LICENSE 文件。

6. 免责声明

由于 openPangu-7B-Diffusion-Base（“模型”）所依赖的技术固有的技术限制，以及人工智能生成的内容是由盘古自动生成的，华为无法对以下事项做出任何保证：

• 尽管该模型的输出由 AI 算法生成，但不能排除某些信息可能存在缺陷、不合理或引起不适的可能性，生成的内容不代表华为的态度或立场；
• 无法保证该模型 100% 准确、可靠、功能齐全、及时、安全、无错误、不间断、持续稳定或无任何故障；
• 该模型的输出内容不构成任何建议或决策，也不保证生成的内容的真实性、完整性、准确性、及时性、合法性、功能性或实用性。生成的内容不能替代医疗、法律等领域的专业人士回答您的问题。生成的内容仅供参考，不代表华为的任何态度、立场或观点。您需要根据实际情况做出独立判断，华为不承担任何责任。

7. 反馈

如果有任何意见和建议，请提交issue或联系 [email protected]。