B站发布Index-1.9B大模型，代码、对话、角色扮演，功能齐全，2.8T 数据训练，性能媲美同级别模型

发布日期：2024-06-20 07:56:06 浏览次数： 3016

作者：努力犯错玩AI

微信搜一搜，关注“努力犯错玩AI”

前言

近年来，大模型技术发展迅速，并已在多个领域展现出强大的能力。为了推动大模型技术的普及和应用，许多机构和企业纷纷开源了自己的模型。近日，Bilibili 发布了全新的开源大模型系列——Index-1.9B，该模型凭借着 2.8T 的海量训练数据和独特的训练策略，在代码生成、对话交互、角色扮演等方面展现出出色的性能，并与同级别模型相比处于领先地位。

Huggingface模型下载：https://huggingface.co/IndexTeam/Index-1.9B
AI快站模型免费加速下载：https://aifasthub.com/models/IndexTeam

技术特点

Index-1.9B 系列包含 4 个模型：Index-1.9B base、Index-1.9B pure、Index-1.9B chat 和 Index-1.9B character。每个模型都拥有独特的特点和优势：

Index-1.9B base： 作为基座模型，拥有 19 亿非词嵌入参数量，在 2.8T 中英文为主的语料上预训练，并采用了多种优化策略，例如 Norm-Head 技术和合理的模型深度，使其在多个评测基准上与同级别模型相比处于领先地位。
Index-1.9B pure： 作为基座模型的对照组，与 base 模型具有相同的参数和训练策略，但严格过滤了所有指令相关的数据，以此来验证指令对模型性能的影响。
Index-1.9B chat： 基于 Index-1.9B base 模型，经过 SFT 和 DPO 对齐后的对话模型。由于预训练中引入了较多定向清洗的对话类语料，该模型在聊天趣味性方面表现更强。
Index-1.9B character： 在 SFT 和 DPO 的基础上，引入了 RAG（Retrieval-Augmented Generation，检索增强生成）技术来实现 few-shots 角色扮演定制。

Index-1.9B 模型在预训练阶段使用了 2.8T 规模的数据，中英比例为 4:5，代码占比 6%。此外，团队还精心收集了公开可用的书籍、百科、论文、STEM 相关的精选数据，这部分占比约 10%。为了确保数据质量，DeepSeek团队对数据进行了严格的清洗和过滤，并针对模型结构、学习率、预训练数据等方面进行了深入的实验和优化。

性能表现

Index-1.9B 模型在多个评测基准上展现出令人印象深刻的性能，在代码、数学、通用语言理解、角色扮演等方面都取得了不错的成绩：

通用任务： Index-1.9B 在 MMLU、CEVAL、CMMLU、HellaSwag、Arc-C、Arc-E 等多个评测基准上表现优异，超越了同级别模型，例如 RedPajama-INCITE-3B、OpenLLaMa-3B-v2、BTLM-3B-8K-Base、StableLM-Alpha-3B-v2 等。
代码生成： Index-1.9B 在 GSM8K 和 HumanEval 两个代码评测基准上，表现优于 Llama2-7B 和 Llama2-13B 等模型，展现出强大的代码生成能力。
角色扮演：在 CharacterEval 角色扮演评测中，Index-1.9B 的整体均分排名第九，显著优于其他同级别模型，展现出不错的角色扮演能力。