导读

今天凌晨阿里云发布了自己新一代大模型Qwen 2，在Qwen 1.5 基础上向前迈了一大步，有0.5B、1.5B、7B、57B-A14B和72B 共5 个不同尺寸的模型，同时每个模型都有预训练版本和对应指令微调版本，72B 版本相比于Llama 3 70B 几乎全面超越，再次成为同级别新SOTA。

Qwen 2

核心看点：

1. 表现：不管是7B还是70B 在各自级别上都成为了新SOTA，Qwen 2 72B 在英文、代码、数学和中文测试上几乎全面超远Llama 3 70B，尤其是代码、数学能力提升明显，中文表现很强，仅在MBPP、GSM8K 稍微逊色。

2. 架构：依然是基于Transformer 架构的decoder 模型，其中57B 版本采用了MoE（混合专家）sparse结构，其余均为dense 模型。此外，在模型组件上用到SwiGLU 作为激活单元，注意力模块中QKV 线性单元加入了bias，attention 方式依然为GQA（Grouped Query Attention）。

3. tokenizer：改进了tokenizer，更好地支持多种自然语言和代码语言，除了中英文外，训练数据中还加入了27 种其它语言。

4. 上下文：这一次利用YARN 在之前Qwen 1.5 32K 基础上把模型上下文长度扩展到128K，拉到当前同级别模型相同水准，之前分享中也提到过，今年开源模型上下文门槛将会来到128K。注意，在Qwen 2 系列中，57B-A14B 模型目前还只是64K，而0.5B和1.5B 则是32K，稍微有些差别。这个侧面也反映了之前Qwen 1.5 确实存在一定的规划问题，对于今年开源大模型多维度能力上估计不足，还好及时纠正过来了。

5. 训练：尽管Qwen 2 70B 相比于Qwen 1.5 110B参数规模小不少，却凭借着更高质量的数据和更优秀的训练方法取得了更好表现，再次体现了数据质量得重要性和充分训练的必要性，这个同Llama 3 的训练过程和Meta 发布的大模型Scale Laws 论文也都能呼应上。Qwen 2 在后训练上做了不少工作，通过一些自动化对齐策略得到丰富的高质量数据，比如数学rejection sampling、代码执行反馈，此外还结合SFT和reward 模型进行在线DPO 训练，共同作用下提升模型整体表现。

6. 多尺寸：尺寸覆盖范围广，从0.5B、1.5B、7B、57B-A14B和72B，对应不同的成本和能力的平衡，给用户也提供了不同的选择，需要把控好不同尺寸能力和成本的区分度，不然很容易陷入困难选择症，或者有些要面临被废弃的局面。
   

总结

Qwen 2 从benchmark 数据来看，跻身开源大模型第一梯队确实很不错，模型尺寸覆盖范围广，7B和72B 在同级都是新SOTA，上下文长度上也拉到了第一梯队，多语言支持上也明显增强，整体不错，还是体现出了自身水准，分裂的模型命名也不存在了。