【腾讯云 HAI域探秘】完蛋，我被LLM包围了（基于HAI+ChatGLM-6B+CloudStudio）
一、背景介绍1.1 ChatGPT and ChatGLM-6B
ChatGPT（全名：Chat Generative Pre-trained Transformer），是OpenAI研发的一款聊天机器人程序，于2022年11月30日发布。ChatGPT是人工智能技术驱动的自然语言处理工具，它能够基于在预训练阶段所见的模式和统计规律，来生成回答，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务。
但是自己想要部署一套ChatGPT的话，首先数据集没有开源，其次对于硬件的要求，不可估量。所幸清华大学知识工程和数据挖掘小组（Knowledge Engineering Group (KEG) & Data Mining at Tsinghua University）发布的一个开源的对话机器人ChatGLM-6B。
ChatGLM 参考了 ChatGPT 的设计思路，在千亿基座模型 GLM-130B 中注入了代码预训练，通过有监督微调（Supervised Fine-Tuning）等技术实现人类意图对齐。ChatGLM 当前版本模型的能力提升主要来源于独特的千亿基座模型 GLM-130B。它是不同于 BERT、GPT-3 以及 T5 的架构，是一个包含多目标函数的自回归预训练模型。2022年8月，我们向研究界和工业界开放了拥有1300亿参数的中英双语稠密模型 GLM-130B，该模型有一些独特的优势：
-
双语： 同时支持中文和英文。
-
高精度（英文）： 在公开的英文自然语言榜单 LAMBADA、MMLU 和 Big-bench-lite 上优于 GPT-3 175B（API: davinci，基座模型）、OPT-175B 和 BLOOM-176B。
-
高精度（中文）： 在7个零样本 CLUE 数据集和5个零样本 FewCLUE 数据集上明显优于 ERNIE TITAN 3.0 260B 和 YUAN 1.0-245B。
-
快速推理： 首个实现 INT4 量化的千亿模型，支持用一台 4 卡 3090 或 8 卡 2080Ti 服务器进行快速且基本无损推理。
-
可复现性： 所有结果（超过 30 个任务）均可通过我们的开源代码和模型参数复现。
-
跨平台： 支持在国产的海光 DCU、华为昇腾 910 和申威处理器及美国的英伟达芯片上进行训练与推理。
2022年11月，斯坦福大学大模型中心对全球30个主流大模型进行了全方位的评测，GLM-130B 是亚洲唯一入选的大模型。在与 OpenAI、谷歌大脑、微软、英伟达、脸书的各大模型对比中，评测报告显示 GLM-130B 在准确性和恶意性指标上与 GPT-3 175B (davinci) 接近或持平，鲁棒性和校准误差在所有千亿规模的基座大模型（作为公平对比，只对比无指令提示微调模型）中表现不错（下图）。
图1. 斯坦福大学基础模型中心对全球 30 个大模型的评测结果（2022年11月）
关于 GLM-130B 的学术文章已被国际深度学习会议 ICLR'23 接收。自2022年8月开放以来，收到53个国家369个研究机构（截至2023年2月1日）的下载使用需求，包括谷歌、微软、脸书、AI2、华为、阿里巴巴、百度、腾讯、头条、小冰、小度、小米以及斯坦福、麻省理工、伯克利、卡耐基梅隆、哈佛、剑桥、牛津、北大、浙大、上交、复旦、中科大、国科大等国内外人工智能研究机构和高校。
通过使用与 ChatGLM（chatglm.cn）相同的技术，ChatGLM-6B 初具中文问答和对话功能，并支持在单张 2080Ti 上进行推理使用。具体来说，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。
因此，ChatGLM-6B 具备了一定条件下较好的对话与问答能力。当然，ChatGLM-6B 也有相当多已知的局限和不足：
-
模型容量较小： 6B 的小容量，决定了其相对较弱的模型记忆和语言能力。在面对许多事实性知识任务时，ChatGLM-6B 可能会生成不正确的信息；她也不擅长逻辑类问题（如数学、编程）的解答。
-
可能会产生有害说明或有偏见的内容：ChatGLM-6B 只是一个初步与人类意图对齐的语言模型，可能会生成有害、有偏见的内容。
-
较弱的多轮对话能力：ChatGLM-6B 的上下文理解能力还不够充分，在面对长答案生成，以及多轮对话的场景时，可能会出现上下文丢失和理解错误的情况。
-
英文能力不足：训练时使用的指示大部分都是中文的，只有一小部分指示是英文的。因此在使用英文指示时，回复的质量可能不如中文指示的回复，甚至与中文指示下的回复矛盾。
-
易被误导：ChatGLM-6B 的“自我认知”可能存在问题，很容易被误导并产生错误的言论。例如当前版本模型在被误导的情况下，会在自我认知上发生偏差。即使该模型经过了1万亿标识符（token）左右的双语预训练，并且进行了指令微调和人类反馈强化学习（RLHF），但是因为模型容量较小，所以在某些指示下可能会产生有误导性的内容。
二、腾讯云HAI背景介绍
高性能应用服务 HAI：澎湃算力，即开即用。以应用为中心，匹配GPU云算力资源，助力中小企业及开发者快速部署LLM、AI作画、数据科学等高性能应用。是为开发者量身打造的澎湃算力平台。无需复杂配置，便可享受即开即用的GPU云服务体验。在 HAI 中，根据应用智能匹配并推选出最适合的GPU算力资源，以确保您在数据科学、LLM、AI作画等高性能应用中获得最佳性价比。
HAI 服务优势
智能选型 ：根据应用匹配推选GPU算力资源，实现最高性价比。同时，打通必备云服务组件，大幅简化云服务配置流程。
一键部署 ：分钟级自动构建LLM、AI作画等应用环境。提供多种预装模型环境，包含如StableDiffusion、ChatGLM等热门模型。
可视化界面 ：友好的图形界面，AI调试更为简单
即插即用 · 轻松上手
基于腾讯云GPU云服务器底层算力，提供即插即用的高性能云服务。
智能选型
根据应用匹配推选GPU算力资源，实现最高性价比。同时，打通必备云服务组件，大幅简化云服务配置流程。
一键部署
分钟级自动构建LLM、AI作画等应用环境。提供多种预装模型环境，包含如StableDiffusion、ChatGLM等热门模型。
可视化界面
提供开发者友好的图形界面，支持jupyterlab、webui等多种算力连接方式，AI研究调试超低门槛。
横向对比 · 青出于蓝
大幅降低GPU云服务器使用门槛，多角度优化产品使用体验，开箱即用
应用场景
AI作画（视觉设计、游戏）
基于StableDiffusion开源模型进行AI绘画
场景介绍
AI绘画是一种利用深度学习算法进行创作的绘图方式。广泛应用于数字媒体、游戏、动画、电影、广告等领域。
业务痛点
-
GPU卡型多样，算力、显存差异大，选型困难
-
环境配置复杂、模型安装和调试门槛高
-
各类插件迭代频繁，难以在进行环境管理
产品优势
-
智能匹配算力，多种算力套餐满足不同需求的绘图性能。
-
预置主流AI作画模型及常用插件，无需手动部署，支持即开即用。
-
动态更新模型版本，确保模型版本与时俱进，无需频繁操作。
AI对话/写作（Agent、企业知识库）大语言模型
基于开源大语言模型，创作属于自己的Agent、企业知识库
场景介绍
大语言模型在广泛的文本数据上进行训练，可以执行广泛的任务，包括文本总结、翻译、情感分析等等。
业务痛点
-
环境配置复杂，部署难度大。
-
模型效果调试难，无可视化界面。
-
模型、数据集储存流程繁琐，难以快捷保存
业务痛点
-
预置国内外主流LLM大语言模型。
-
支持可视化界面一键登录，方便调优
-
打通云上存储组件，支持模型、数据集快捷存储
AI开发/测试（学术研究、论文）算法研发
学术研究、论文
场景介绍
面向高校、研究所等大量科研场景，需针对深度学习、机器学习等前沿算法进行开发探索。
业务痛点
-
需要大量的计算资源进行验证和优化。
-
涉及多种框架、模型及开发库，环境配置复杂。
业务痛点
-
提供多种高性能GPU云服务器，满足算法验证和测试的需求。
-
提供公共模型、数据集文件存储桶，优化资源拉取效率。
三、动手实验
基于HAI部署的 ChatGLM2-6B 游戏：完蛋！我被LLM包围了
四、实操指导
1、申请高性能应用服务 HAI
① . 点击链接进入 高性能应用服务 HAI 申请体验资格
② . 等待审核通过后，进入 高性能应用服务 HAI
③ . 点击前往体验HAI，登录 高性能应用服务 HAI 控制台
③ . 点击 新建 选择 AI模型，输入实例名称
④ . 等待创建完成 (预计等待3-8分钟，等待时间不计费)
⑤ . 创建完成，查看相关状态
⑥ . 查看配置详情
2、高性能应用服务HAI 快速为开发者提供 ChatGLM2-6B API 服务
① .使用 JupyterLab 启动 ChatGLM2-6B 提供的 API 服务
(1) .在 算力管理 页面，选择进入 jupyter_lab 页面
选择 终端命令
输入命令 用于开启 API 服务：
cd ./ChatGLM2-6B
python api.py
(2) .新增服务器端口规则
选择 编辑规则
选择 入站规则 中的添加规则
添加入站规则 (来源： 0.0.0.0/0 协议端口： TCP:8000)
3、使用 Cloud Studio 快速调用测试 ChatGLM2-6B 提供的 API 服务
(1) .打开 Cloud Studio 并创建开发空间
新建工作空间 选择Python源为空开发环境即可
等待数十秒 工作空间启动完成
(2) 编写调用代码并运行测试
代码并没有怎么修改，是直接使用的LLM Riddles复刻版的复刻版，感谢 Haoqiang Fan 的原始创意和题目：完蛋！我被LLM包围了！以及LLMRiddles的huggingface项目:完蛋！我被LLM包围了！把功能集成在了一起。我放在了我的github：
直接在cloud-studio的终端输入命令：
git clone https://github.com/enkilee/LLM_is_AROUND_Question.git在左侧资源管理器就能看到项目，需要更改的就是llm_chat.py中调用的代码：
核心代码在几个地方：
（1）服务端IP:
server_url = "http://43.139.138.88:8000"（2）接口返回
def generate_response(input):
ask_json = {"prompt": input, "top_p": 0.7, "temperature": 0.9}
response= requests.post(server_url, json=ask_json)
result = response.json()
return result["response"]在ask_json中的参数top_p和tenperature，可以参考https://open.bigmodel.cn/dev/api#model-parameter中表述：
| temperature |
采样温度，控制输出的随机性，必须为正数 |
| top_p |
用温度取样的另一种方法，称为核取样 |
最后，在终端运行命令：
python chatglm6b.gradio.py即可预览游戏啦！
游戏截图如下：
各位也可以自己更改题目：
在代码‘challenges.json’里面修改即可，记得改完了要重新运行命令。
也可以单独使用浏览器打开，使用效果更好：
同时，在服务器端也能看到实时的调用和结果。
五、总结
通过HAI创建ChatGLM-6B非常的方便，当然自身并没有改太多的代码，只是整合而已。或者可以用ChatGLM-6B官网的api-key，这个是需要收费的，而且费用不低。而且根据测试结果，如果用单卡30系列，提问到返回结果大概需要1分钟到2分钟，响应时间不太能够接受。
但是使用腾讯的HAI，从搭设到开通服务接口，就是几分钟点击的事情，核心的开发就是针对应用的开发，极大地减少了部署的时间，而且可以搭设一套服务，多个应用一起使用，节约了经费，节省了时间。大家可以集思广益，利用ChatGLM做各种各样的小游戏。