ChatGLM2-6B 简介

ChatGLM2-6B 是开源中英双语对话模型 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，ChatGLM2-6B 引入了如下新特性：

1. 更强大的性能：基于 ChatGLM 初代模型的开发经验，我们全面升级了 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，相比于初代模型，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，我们将基座模型的上下文长度（Context Length）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，我们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。如果您发现我们的开源模型对您的业务有用，我们欢迎您对下一代模型 ChatGLM3 研发的捐赠。

• GitHub：
  https://github.com/THUDM/ChatGLM2-6B

• Hugging Face：
  https://huggingface.co/THUDM/chatglm2-6b

ChatGLM2-6B 评测结果

我们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
  

ChatGLM2-6B 搭建

• 1、拉取docker镜像

  docker pull nvcr.io/nvidia/pytorch:21.08-py3
  

  【】需要 cuda 11.1 及以上版本

• 2、创建docker

  nvidia-docker run -it -d \
      --name chatglm2 \
      -v /llm:/notebooks \
      -e TZ='Asia/Shanghai' \
      --shm-size 16G \
      nvcr.io/nvidia/pytorch:21.08-py3
  

  进入容器内：

  docker exec -it chatglm2  env LANG=C.UTF-8 /bin/bash
  

• 3、下载代码

  cd /notebooks/
  git https://github.com/THUDM/ChatGLM2-6B.git
  

• 4、下载模型权重文件

  cd ChatGLM2-6B/
  git clone https://huggingface.co/THUDM/chatglm2-6b
  

  • 可能上述方法权重文件下载失败，用下面的方法下载权重文件
    地址：https://cloud.tsinghua.edu.cn/d/674208019e314311ab5c/?p=%2F&mode=list
    选择下面中的一个进行下载：
    chatglm2-6b
    chatglm2-6b-int4
    

• 5、按照依赖库

  pip install -r requirements.txt
  

• 6、推理

  • 推理速度对比

    

  • 显存占用
    

  • 推理代码

    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