浪潮信息發布“源2.0”基礎大模型，千億參數代碼開源

IT之家 11 月 27 日消息，浪潮信息今日發布了“源 2.0”基礎大模型，并宣布全面開源。源 2.0 基礎大模型包括 1026 億、518 億、21 億等三種參數規模的模型。

據介紹，源 2.0 通過使用中英文書籍、百科、論文等高質量中英文資料，降低了互聯網語料內容占比。為了獲取中文數學數據，浪潮信息清洗了從 2018 年至今約 10PB 的互聯網數據，但僅獲取到了約 10GB 的數學數據。

為了更高效地獲得相對匱乏的高質量中文數學及代碼數據集，源 2.0 采用了基于大模型的數據生產及過濾方法，在保證數據的多樣性的同時也在每一個類別上提升數據質量。

算力方面，源 2.0 采用了非均勻流水并行的方法，綜合運用流水線并行 + 優化器參數并行 + 數據并行的策略，讓模型在流水并行各階段的顯存占用量分布更均衡，避免出現顯存瓶頸導致的訓練效率降低的問題。

源 2.0 在評測上進行了代碼生成、數學問題求解、事實問答方面的能力測試，測試結果顯示，源 2.0 整體表現處于中上水平。

源 2.0 采用全面開源策略，全系列模型參數和代碼均可免費下載使用。IT之家附 GitHub 頁面和論文鏈接：

代碼開源鏈接：

論文鏈接：