清华第二代60亿参数ChatGLM2开源！中文榜居首，碾压GPT-4，推理提速42%
作者： 新智元 来源： [新智元](https://mp.weixin.qq.com/s/ib0Kp35MUNDGxUuXFR0aLA)
** ** **新智元报道 **
编辑：桃子 好困
【新智元导读】 清华ChatGLM2-6B模型又开始刷圈了！新版本在推理能力上提升了42%，最高支持32k上下文。****
ChatGLM-6B自3月发布以来，在AI社区爆火，GitHub上已斩获29.8k星。
如今，第二代ChatGLM来了！
清华KEG和数据挖掘小组（THUDM）发布了中英双语对话模型ChatGLM2-6B。
项目地址：https://github.com/THUDM/ChatGLM2-6B
HuggingFace：https://huggingface.co/THUDM/chatglm2-6b
最新版本ChatGLM2-6B增加了许多特性：
-
基座模型升级，性能更强大
-
支持8K-32k的上下文
-
推理性能提升了42%
-
对学术研究完全开放，允许申请商用授权
值得一提的是，在中文C-Eval榜单中，ChatGLM2以71.1分位居榜首，碾压GPT-4。而最新版本ChatGLM2-6B以51.7分位列第6。
ChatGLM2-6B升级亮点
ChatGLM-6B的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，又增加许多新特性：
1. 更强大的性能 ****
基于ChatGLM初代模型的开发经验，全面升级了ChatGLM2-6B的基座模型。
ChatGLM2-6B使用了GLM的混合目标函数，经过了1.4T中英标识符的预训练与人类偏好对齐训练.
评测结果显示，与初代模型相比，ChatGLM2-6B在MMLU（+23%）、CEval（+33%）、GSM8K（+571%） 、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。
2. 更长的上下文 ****
基于 FlashAttention 技术，研究人员将基座模型的上下文长度由 ChatGLM-6B 的2K扩展到了32K，并在对话阶段使用8K的上下文长度训练，允许更多轮次的对话。
但当前版本的ChatGLM2-6B对单轮超长文档的理解能力有限，会在后续迭代升级中着重进行优化。
3. 更高效的推理 ****
基于 Multi-Query Attention 技术，ChatGLM2-6B有更高效的推理速度和更低的显存占用.
在官方的模型实现下，推理速度相比初代提升了42%，INT4量化下，6G显存支持的对话长度由1K提升到了8K。
4. 更开放的协议 ****
ChatGLM2-6B权重对学术研究完全开放，在获得官方的书面许可后，亦允许商业使用。
效果
相比于初代模型，ChatGLM2-6B在多个维度的能力上，都取得了巨大的提升。
数理逻辑 ****
知识推理 ****
长文档理解 ****
评测结果
研究团队选取了部分中英文典型数据集进行了评测，以下为ChatGLM2-6B模型在MMLU（英文）、C-Eval（中文）、GSM8K（数学）、BBH（英文） 上的测评结果。
MMLU ****
C-Eval ****
GSM8K ****
BBH ****
推理性能
ChatGLM2-6B使用 Multi-Query Attention，提高了生成速度。生成2000个字符的平均速度对比如下：
Multi-Query Attention同时也降低了生成过程中KV Cache的显存占用。
此外，ChatGLM2-6B采用Causal Mask进行对话训练，连续对话时可复用前面轮次的 KV Cache，进一步优化了显存占用。
因此，使用6GB显存的显卡进行INT4量化的推理时，初代的ChatGLM-6B模型最多能够生成1119个字符就会提示显存耗尽，而ChatGLM2-6B能够生成至少8192个字符。
研究团队也测试了量化对模型性能的影响。结果表明，量化对模型性能的影响在可接受范围内。
使用方法
环境安装
首先需要下载本仓库：
* *
git clone https://github.com/THUDM/ChatGLM2-6B
cd ChatGLM2-6B
然后使用pip安装依赖：pip install -r requirements.txt，其中transformers库版本推荐为4.30.2，torch推荐使用 2.0 以上的版本，以获得最佳的推理性能。
代码调用
可以通过如下代码调用ChatGLM2-6B模型来生成对话：
* * * * * * * * * * * * * * * * * *
>>> from transformers import AutoTokenizer, AutoModel>>> tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True)
>>> model = AutoModel.from_pretrained("THUDM/chatglm2-6b", trust_remote_code=True, device='cuda')
>>> model = model.eval()
>>> response, history = model.chat(tokenizer, "你好", history=[])
>>> print(response)
你好👋!我是人工智能助手 ChatGLM2-6B,很高兴见到你,欢迎问我任何问题。
>>> response, history = model.chat(tokenizer, "晚上睡不着应该怎么办", history=history)
>>> print(response)
晚上睡不着可能会让你感到焦虑或不舒服,但以下是一些可以帮助你入睡的方法:
1. 制定规律的睡眠时间表:保持规律的睡眠时间表可以帮助你建立健康的睡眠习惯,使你更容易入睡。尽量在每天的相同时间上床,并在同一时间起床。
2. 创造一个舒适的睡眠环境:确保睡眠环境舒适,安静,黑暗且温度适宜。可以使用舒适的床上用品,并保持房间通风。
3. 放松身心:在睡前做些放松的活动,例如泡个热水澡,听些轻柔的音乐,阅读一些有趣的书籍等,有助于缓解紧张和焦虑,使你更容易入睡。
4. 避免饮用含有咖啡因的饮料:咖啡因是一种刺激性物质,会影响你的睡眠质量。尽量避免在睡前饮用含有咖啡因的饮料,例如咖啡,茶和可乐。
5. 避免在床上做与睡眠无关的事情:在床上做些与睡眠无关的事情,例如看电影,玩游戏或工作等,可能会干扰你的睡眠。
6. 尝试呼吸技巧:深呼吸是一种放松技巧,可以帮助你缓解紧张和焦虑,使你更容易入睡。试着慢慢吸气,保持几秒钟,然后缓慢呼气。
如果这些方法无法帮助你入睡,你可以考虑咨询医生或睡眠专家,寻求进一步的建议。
从本地加载模型
在从Hugging Face Hub下载模型之前，需要先安装Git LFS，然后运行：
*
git clone https://huggingface.co/THUDM/chatglm2-6b
如果checkpoint的下载速度较慢，可以只下载模型实现：
*
GIT_LFS_SKIP_SMUDGE=1 git clone https://huggingface.co/THUDM/chatglm2-6b
然后，手动下载模型参数文件，并将文件替换到本地的chatglm2-6b目录下。
地址：https://cloud.tsinghua.edu.cn/d/674208019e314311ab5c/
模型下载到本地之后，将以上代码中的THUDM/chatglm2-6b替换为本地的chatglm2-6b文件夹的路径，即可从本地加载模型。
参考资料：
https://github.com/THUDM/ChatGLM2-6B
https://huggingface.co/THUDM/chatglm2-6b
