Mi

MiniCPM-MoE-8x2B

基础大模型

MiniCPM-MoE-8x2B

发布时间: 2024-04-10

模型参数(Parameters)
136.0
最高上下文长度(Context Length)
2K
是否支持中文
支持
推理能力(Reasoning)

模型基本信息

最高上下文输入长度

2K tokens

最长输出结果
未披露
模型类型

基础大模型

发布时间

2024-04-10

模型预文件大小

27.7GB

开源和体验地址

代码开源状态
预训练权重开源
GitHub 源码
Hugging Face
在线体验
暂无在线体验地址

官方介绍与博客

官方论文
DataLearnerAI博客
暂无介绍博客

API接口信息

接口速度
暂无数据
接口价格
输入价格:
  • 文本: 暂无数据
  • 图片: 暂无数据
  • 音频: 暂无数据
  • 视频: 暂无数据
  • Embedding: 暂无数据
输出价格:
  • 文本: 暂无数据
  • 图片: 暂无数据
  • 音频: 暂无数据
  • 视频: 暂无数据
  • Embedding: 暂无数据

输入支持的模态

文本

输入不支持

图片

输入不支持

视频

输入不支持

音频

输入不支持

Embedding(向量)

输入不支持

输出支持的模态

文本

输出不支持

图片

输出不支持

视频

输出不支持

音频

输出不支持

Embedding(向量)

输出不支持

MiniCPM-MoE-8x2B模型在各大评测榜单的评分

发布机构

模型介绍

MiniCPM-MoE-8x2B是一个基于Mixture-of-Experts(MoE)架构的大型语言模型,包含8个专家模块。它基于先前的MiniCPM模型,利用了稀疏升循环(sparse upcycling)技术进行初始化。在推理时,每个token会激活2个专家模块,导致约40亿参数被激活。总的非嵌入参数量达到136亿。


该模型采用了路由机制:

使用softmax选择top2专家输出的加权和作为该层输出引入load balancing loss防止训练塌陷,权重0.01


评估结果:

在多个基准测试中优于7B模型,如Mistral、Gemma等进行了专家冗余和专家专长分析。

关注DataLearnerAI公众号

关注DataLearnerAI微信公众号,接受最新大模型资讯

DataLearnerAI WeChat