文章预览
迟到的技术报告，太长不看版如下： 1.模型有340B的超大参数，包括基座，chat模型，reward模型，全部参数开源。 2.对齐过程使用了超过了98%的合成数据。 3.rope，GQA，不要dropout（ dropout有 训练和预测不一致的方差bias ） 4.分阶段预训练，先8T token大火猛炖，再1T小火慢熬，配上学习率衰减。 5.分阶段SFT，先代码SFT，再通用领域SFT 6.分阶段dpo，先dpo再3轮rpo 7.弱到强迭代对齐的工作流程，不停地用合成数据来训练对齐，然后用训练的更好的对齐后的模型，来合成数据。 看来英伟达的哥们，很喜欢中式料理，训练过程中分工序比较多。 简介 Nemotron-4 340B 模型于6月17日发布，包括 Nemotron-4-340B-Base、Nemotron-4-340B-Instruct（指令微调版） 和 Nemotron-4-340B-Reward（奖励模型版）。这些模型基于 NVIDIA 开放模型许可协议进行开放访问，该许可协议允许分发、修改和使
………………………………
