|
--- |
|
license: other |
|
license_name: glm-4 |
|
license_link: https://huggingface.co/THUDM/glm-4-9b/LICENSE |
|
|
|
language: |
|
- zh |
|
- en |
|
tags: |
|
- glm |
|
- chatglm |
|
- thudm |
|
inference: false |
|
--- |
|
|
|
# GLM-4-9B |
|
|
|
Read this in [English](README_en.md) |
|
|
|
GLM-4-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本。 在语义、数学、推理、代码和知识等多方面的数据集测评中， |
|
**GLM-4-9B** 及其人类偏好对齐的版本 **GLM-4-9B-Chat** 均表现出超越 Llama-3-8B 的卓越性能。除了能进行多轮对话，GLM-4-9B-Chat |
|
还具备网页浏览、代码执行、自定义工具调用（Function Call）和长文本推理（支持最大 128K 上下文）等高级功能。本代模型增加了多语言支持，支持包括日语，韩语，德语在内的 |
|
26 种语言。我们还推出了支持 1M 上下文长度（约 200 万中文字符）的 **GLM-4-9B-Chat-1M** 模型和基于 GLM-4-9B 的多模态模型 |
|
GLM-4V-9B。**GLM-4V-9B** 具备 1120 * 1120 高分辨率下的中英双语多轮对话能力，在中英文综合能力、感知推理、文字识别、图表理解等多方面多模态评测中，GLM-4V-9B |
|
表现出超越 GPT-4-turbo-2024-04-09、Gemini |
|
1.0 Pro、Qwen-VL-Max 和 Claude 3 Opus 的卓越性能。 |
|
|
|
我们在一些典型任务上对 GLM-4-9B 基座模型进行了评测，结果如下： |
|
|
|
| Model | MMLU | C-Eval | GPQA | GSM8K | MATH | HumanEval | |
|
|:--------------------|:--------:|:--------:|:--------:|:--------:|:--------:|:---------:| |
|
| Llama-3-8B | 66.6 | 51.2 | - | 45.8 | - | - | |
|
| Llama-3-8B-Instruct | 68.4 | 51.3 | 34.2 | 79.6 | 30.0 | 62.2 | |
|
| ChatGLM3-6B-Base | 61.4 | 69.0 | - | 72.3 | 25.7 | - | |
|
| GLM-4-9B | **74.7** | **77.1** | **34.3** | **84.0** | **30.4** | **70.1** | |
|
|
|
|
|
**本仓库是 GLM-4-9B 的基座版本，支持`8K`上下文长度。** |
|
|
|
## 协议 |
|
|
|
GLM-4 模型的权重的使用则需要遵循 [LICENSE](LICENSE)。 |
|
|
|
## 引用 |
|
|
|
如果你觉得我们的工作有帮助的话，请考虑引用下列论文。 |
|
|
|
``` |
|
@article{zeng2022glm, |
|
title={Glm-130b: An open bilingual pre-trained model}, |
|
author={Zeng, Aohan and Liu, Xiao and Du, Zhengxiao and Wang, Zihan and Lai, Hanyu and Ding, Ming and Yang, Zhuoyi and Xu, Yifan and Zheng, Wendi and Xia, Xiao and others}, |
|
journal={arXiv preprint arXiv:2210.02414}, |
|
year={2022} |
|
} |
|
``` |
|
|
|
``` |
|
@inproceedings{du2022glm, |
|
title={GLM: General Language Model Pretraining with Autoregressive Blank Infilling}, |
|
author={Du, Zhengxiao and Qian, Yujie and Liu, Xiao and Ding, Ming and Qiu, Jiezhong and Yang, Zhilin and Tang, Jie}, |
|
booktitle={Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)}, |
|
pages={320--335}, |
|
year={2022} |
|
} |
|
``` |
|
|
|
|
