“源 2.0”基础大模型发布

12月4日消息，浪潮信息近日发布了“源 2.0”基础大模型，并宣布全面开源。源2.0基础大模型包括1026亿、518亿、21亿等三种参数规模的模型。

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。