開源MoE模型，終於迎來首位國產選手！
它的表現完全不輸給密集的Llama 2-7B模型，計算量卻只有40%。
這個模型堪稱19邊形戰士，特別是在數學和程式碼能力上對Llama形成了碾壓。
它就是深度求索團隊最新開源的160億參數專家模型DeepSeek MoE。
除了效能上表現優異，DeepSeek MoE主打的就是節省運算量。
在這張表現-激活參數量圖中，它「一枝獨秀」地佔據了左上角的大片空白區。
發布僅一天，DeepSeek團隊在X上的推文就有大量轉發關注。
JP摩根的機器學習工程師Maxime Labonne測試後也表示，DeepSeek MoE的chat版本表現要略勝於微軟的「小模型」Phi-2。
同時，DeepSeek MoE也在GitHub上獲得了300 星標，並登上了Hugging Face文本生成類模型排行榜的首頁。
那麼，DeepSeek MoE的具體表現究竟怎麼樣呢？
DeepSeek MoE目前推出的版本參數量為160億，實際啟動參數量大約是28億。
與自家的7B密集模型相比，二者在19個資料集上的表現各有勝負，但整體比較接近。
而與同為密集模型的Llama 2-7B相比，DeepSeek MoE在數學、程式碼等方面也體現出來明顯的優勢。
但兩種密集模型的計算量都超過了180TFLOPs每4k token，DeepSeek MoE卻只有74.4TFLOPs，只有兩者的40%。
在20億參數量時進行的效能測試顯示，DeepSeek MoE同樣能以更少的計算量，達到與1.5倍參數量、同為MoE模型的GShard 2.8B相當甚至更好的效果。
此外深度求索團隊也基於SFT微調除了DeepSeek MoE的Chat版本，表現同樣接近自家密集版本和Llama 2-7B。
此外，深度求索團隊也透露，DeepSeek MoE模型還有145B版本正在研發。
階段性的初步試驗顯示，145B的DeepSeek MoE對GShard 137B具有極大的領先優勢，同時能夠以28.5%的計算量達到與密集版DeepSeek 67B模型相當的性能。
研發完畢後，團隊也將對145B版本進行開源。
而在這些模型表現的背後，是DeepSeek全新的自研MoE架構。
首先是相比於傳統的MoE架構，DeepSeek擁有更細粒度專家劃分。
在總參數量一定的情況下，傳統模型分出N個專家，而DeepSeek可能分出2N個。
同時，每次執行任務時選擇的專家數量也是傳統模型的2倍，所以整體使用的參數量也不變，但選擇的自由度增加了。
這種分割策略允許更靈活和適應性的激活專家組合，從而提高了模型在不同任務上的準確性和知識獲取的針對性。
除了專家分割上的差異，DeepSeek也創新地引入了「共享專家」的設定。
這些共享專家對所有輸入的token激活，不受路由模組影響，目的是捕獲和整合在不同上下文中都需要的共同知識。
透過將這些共享知識壓縮到共享專家中，可以減少其他專家之間的參數冗餘，從而提高模型的參數效率。
共享專家的設定有助於其他專家更專注於其獨特的知識領域，從而提高整體的專家專業化水準。
消融實驗結果表明，這兩個方案都為DeepSeek MoE的「降本增效」起到了重要作用。
論文網址：https://arxiv.org/abs/2401.06066。
參考連結：https://mp.weixin.qq.com/s/T9-EGxYuHcGQgXArLXGbgg。
以上是引進國產開源MoE大模型，其性能媲美Llama 2-7B，同時計算量減少了60%的詳細內容。更多資訊請關注PHP中文網其他相關文章！
