无注意力大模型Eagle7B：基于RWKV，推理成本降低10-100 倍

AIGC动态欢迎阅读

原标题：无注意力大模型Eagle7B：基于RWKV，推理成本降低10-100 倍
关键字：模型,基准,架构,性能,英语
文章来源：机器之心
内容字数：3403字

内容摘要：

机器之心报道
编辑：陈萍Eagle 7B 可将推理成本降低 10-100 倍。在 AI 赛道中，与动辄上千亿参数的模型相比，最近，小模型开始受到大家的青睐。比如法国 AI 初创公司发布的 Mistral-7B 模型，其在每个基准测试中，都优于 Llama 2 13B，并且在代码、数学和推理方面也优于 LLaMA 1 34B。
与大模型相比，小模型具有很多优点，比如对算力的要求低、可在端侧运行等。
近日，又有一个新的语言模型出现了，即 7.52B 参数 Eagle 7B，来自开源非盈利组织 RWKV，其具有以下特点：基于 RWKV-v5 架构构建，该架构的推理成本较低（RWKV 是一个线性 transformer，推理成本降低 10-100 倍以上）；
在 100 多种语言、1.1 万亿 token 上训练而成；
在多语言基准测试中优于所有的 7B 类模型；
在英语评测中，Eagle 7B 性能接近 Falcon (1.5T)、LLaMA2 (2T)、Mistral；
英语评测中与 MPT-7B (1T) 相当；
没有注意力的 Transformer。前面我们已经了解到 Eagle 7B

原文链接：无注意力大模型Eagle7B：基于RWKV，推理成本降低10-100 倍