鱼羊发自凹非寺
量子位公众号 QbitAI
“最强”开源大模型之争，又有新王入局：
大数据巨头 Databricks，发布 MoE 大模型 DBRX，并宣称：它在基准测试中击败了此前所有开源模型。
包括同为混合专家模型的 Grok-1 和 Mixtral。
新王搅局，迅速引发了开源社区的热议。
毕竟，仅从纸面数据来看，DBRX 颇具特点：总参数量为 1320 亿，但因为是混合专家模型，每次激活参数量仅为 360 亿。
就是说，在总参数量接近 Llama2-70B 的 2 倍的情况下，DBRX 的生成速度也比 Llama2-70B 快 1 倍。
另外，DBRX 是在 12T token 上从头训练的，训练数据量是 Llama2 的 6 倍，远高于 Chinchilla 定律推荐量。
网友们的第一反应 be like：
首席科学家：打赌输了就把头发染蓝
来看 DBRX 的具体细节。
DBRX 由 16 个专家模型组成，每次训练推理会有 4 个专家处于激活状态。其上下文长度为 32K。
为了训练 DBRX，Databricks 团队从云厂商那里租用了 3072 个 H100。
一个细节是，团队向 Wired 透露，经过两个月的训练之后，DBRX 已经在基准测试中取得了不错的分数。而在那个时候，他们买的云资源还能再跑一个星期。
团队因此产生了小小的分歧：是用这些资源来训练一个小杯版本，还是再投喂给模型一些高质量数据，用课程学习（curriculum learning）的方法来提高 DBRX 在一些特定任务上的能力？
经过一番热烈的内部讨论，Databricks 团队最终决定走课程学习路线。
正是这一决策使他们收获颇丰：
Databricks 首席科学家 Jonathan Frankle（就叫他老弗吧）认为，课程学习使得 DBRX“产生了有意义的变化”。
具象化一点来说，就是老弗本来觉得 DBRX 可能搞不太定代码生成，还打赌说如果他判断错了，就去把头发染成蓝色。
而这是他的最新照片：
回到正题，DBRX 的测试结果显示，它在语言理解、编程、数学和逻辑方面都达到了 SOTA，击败包括 Llama2-70B、Mixtral 和 Grok-1 在内的一众开源大模型。
还在大多数基准测试中都击败了 GPT-3.5。
Databricks 这次开源了 DBRX 的两个版本：DBRX Base 和 DBRX Instruct，前者是预训练基础模型，后者则经过指令微调。
老弗还对 Wired 透露，他们团队接下来计划对模型训练的那个“最后一周”展开研究，看看 DBRX 这样强大的模型是如何在其中收获额外技能的。
值得一提的是，去年 6 月，Databricks 以 13 亿美元（约 93 亿人民币）的价格，买下了仅 62 名员工的 AI 初创公司 MosaicML——
就是发布了 MPT 系列开源模型的那家。
老弗当时就是 MosaicML 的首席科学家。此后，他和他的团队一起留在了 Databricks。
开源社区嗨翻
DBRX 发布不到 4 小时，已经有人把它成功部署到苹果 M2 芯片笔记本电脑上了。
而大模型竞技场也第一时间开放了 DBRX-instruct 的投票。
不过，也有人对 DBRX 的“开源”提出了质疑：
根据 Databricks 公布的协议，基于 DBRX 打造的产品，如果月活超过 7 亿，就必须另行向 Databricks 提交申请。
参考连接：
[1]https://www.databricks.com/blog/announcing-dbrx-new-standard-efficient-open-source-customizable-llms
[2]https://github.com/databricks/dbrx
— 完 —
