今天是第30天，学习了MindNLP ChatGLM-6B StreamChat。

今天是参加打卡活动的最后一天，经过这些日子的测试，昇思MindSpore效果还是不错的。

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，具有62亿参数，基于 General Language Model（GLM）架构。
它使用了和 ChatGPT 相似的技术，并针对中文问答和对话进行了优化。经过约1T标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，ChatGLM-6B 能够生成相当符合人类偏好的回答。

ChatGLM-6B 有如下特点：充分的中英双语预训练： ChatGLM-6B 在 1:1 比例的中英语料上训练了 1T 的 token 量，兼具双语能力。优化的模型架构和大小： 吸取 GLM-130B 训练经验，修正了二维 RoPE 位置编码实现，使用传统 FFN 结构。6B（62亿）的参数大小，也使得研究者和个人开发者自己微调和部署 ChatGLM-6B 成为可能。较低的部署门槛： FP16 半精度下，ChatGLM-6B 需要至少 13GB 的显存进行推理，结合模型量化技术，这一需求可以进一步降低到 10GB（INT8） 和 6GB（INT4）， 使得 ChatGLM-6B 可以部署在消费级显卡上。更长的序列长度： 相比 GLM-10B（序列长度1024），ChatGLM-6B 序列长度达 2048，支持更长对话和应用。人类意图对齐训练： 使用了监督微调（Supervised Fine-Tuning）、反馈自助（Feedback Bootstrap）、人类反馈强化学习（Reinforcement Learning from Human Feedback） 等方式，使模型初具理解人类指令意图的能力。输出格式为 markdown，方便展示。

ChatGLM-6B 结合了模型量化技术，用户可以在消费级的显卡上进行本地部署。例如，在 int4 量化级别下最低只需 6GB 显存。为了方便下游开发者针对自己的应用场景定制模型，它还实现了基于 P-tuning v2 的高效参数微调方法，在 int4 量化级别下最低只需 7GB 显存即可启动微调。
不过，由于其规模较小，目前已知 ChatGLM-6B 具有一些局限性，如可能存在事实性/数学逻辑错误，或许会生成有害/有偏见内容，具有较弱的上下文能力、自我认知混乱，以及对英文指示生成与中文指示完全矛盾的内容等。

在实际应用中，需根据具体的硬件需求和使用场景进行选择和部署。其硬件需求如下：
FP16（无量化）：推理最低需要 13GB GPU 显存，高效参数微调最低需要 14GB GPU 显存；
INT8：推理最低需要 8GB GPU 显存，高效参数微调最低需要 9GB GPU 显存；
INT4：推理最低需要 6GB GPU 显存，高效参数微调最低需要 7GB GPU 显存。