GitHub

在7月發表之後，Meta上週宣佈正式開源能在智慧型手機上執行的小語言模型MobileLLM系列。

Meta 4個月前發表這2個參數量小於10億的語言模型MobileLLM 125M及MobileLLM 350M，現在Meta又開發出更大參數量的模型版本，包括MobileLLM-600M/1B/1.5B。

Meta指出，團隊全面考慮了多項設計因素，並整合了SwiGLU啟用函式（activation function）、「深而精簡」（deep-and-thin）架構、內嵌共享（embedding sharing）、以及群組查詢注意力（grouped-query attention）機制來開發出MobileLLM模型。

從成果來看，MobileLLM 125M/350M零樣本常識理解任務的準確率，比Cerebras、OPT、BLOOM等State of the Art（SOTA）模型，分別高2.7%和4.3%。根據Meta提供的數據，新增的模型成員如MobileLLM-1.5B，更是打掛GPT-neo-2.7B、OPT-2.7B、BLOOM-3B、Qwen 1.5-1.8B與Pythia-2.8B等較大參數量的其他模型。

Meta也強調MobileLLM訓練快速。在32顆Nvidia A100 80G GPU的伺服器環境下，以1T字詞（token）訓練不同參數量的MobileLLM所需天數，1.5B版本只要18天，最小的125M更只需3天。

這些模型都已透過GitHub與Hugging Face開源。

隨著智慧型手機效能日漸強大，以及使用者對高速回應、低延遲、安全性的需求，愈來愈多模型開發商提供小模型。Google有Gemma 2、微軟有Phi 3、OpenAI則有GPT-4o mini，蘋果有DCLM。Hugging Face上週也公佈小語言模型SmolLM 2家族。