虎博TigerBot-13B中文能力超Llama-2 49% 领先国内外主流开源模型

近日,虎博科技发布开源大模型TigerBot-13B,此模型在Llama-2的基础上以虎博积累的技术和数据继续训练,不但保持了Llama-2出色的英文能力,更是在中文能力填补了Llama-2的不足,各项主流中文任务中超过Llama-2的49%,在开源同类模型中具有竞争力。虎博的理论和实验探索表明,TigerBot的训练方法,计算效率和数据达到世界上SOTA水平,本着open innovation的精神,虎博科技将这些成果分享给大模型社区,继续开源和免费商用TigerBot-13B大模型。

本次发布包括以下三点:

TigerBot-13B-base:基于Llama-2-13B继续预训练300B tokens,扩充了中文词表到60K vocabulary,并采用holistic training在预训练中直接使模型具有9成的指令完成能力。在主流英文基准测试中超过Llama-2-13B-base的7%,在中文测试中综合能力超过Llama-2-13B-base的49%,在国内主流开源基座模型中处于领先位置。

TigerBot-13B-chat:基于TigerBot-13B-base用5M指令数据微调,并采用rejection sampling fine-tune对齐人类需求。在主流英文基准测试中达到Llama-2-13B-chat的 101%,在中文测试中综合能力超过Llama-2-13B-chat的47%,在国内主流开源模型中亦处于领先位置。

TigerBot-API: chat和summarization api将自动升级到TigerBot-13B-chat,对科研教育用户免费,对商用开发者保持价格不变。