GLM-4-9B-Chat-1M模型在LongBench-Chat基准测试中的复现实践
2025-06-03 04:21:11作者:傅爽业Veleda
背景介绍
GLM-4-9B-Chat-1M是清华大学知识工程组(KEG)开发的大规模预训练语言模型,特别针对长上下文理解任务进行了优化。该模型在LongBench-Chat基准测试中取得了7.82分的优异成绩,但社区用户在实际复现过程中遇到了挑战。
复现挑战分析
在模型评估过程中,用户主要遇到了两个关键问题:
- 评估脚本适配问题:原始评估脚本未正确识别GLM系列模型的chat模板,导致评估分数偏低(5.46分)
- 推理参数配置问题:使用vLLM后端推理时,虽然分数有所提升(7.22分),但仍与官方报告存在差距
解决方案详解
评估脚本适配
核心问题在于评估脚本中的模型识别逻辑。原始代码仅匹配"chatglm"关键词,而GLM-4系列模型使用"glm"作为标识。修改评估脚本中的条件判断后,模型能够正确应用chat模板,评估分数提升至7.42分,接近官方报告水平。
关键参数配置
通过分析,我们发现影响评估结果的关键因素包括:
- 温度参数(temperature):建议设置为0.95
- 停止token设置:需包含[151329, 151336, 151338]
- 最大模型长度:设置为120000以支持长上下文
技术要点总结
- 模型适配:对于GLM系列新模型,需注意命名规范变化对评估脚本的影响
- 评估一致性:GPT-4作为评估器存在一定随机性,7.42分与7.82分的差异在合理范围内
- 推理优化:使用vLLM后端时,需确保参数配置与官方推荐一致
实践建议
对于希望在LongBench-Chat基准上复现GLM-4-9B-Chat-1M性能的研究者,建议:
- 使用官方推荐的评估脚本
- 仔细检查模型标识匹配逻辑
- 保持推理参数与官方配置一致
- 多次运行取平均值以降低评估波动
通过以上实践,研究者可以更准确地评估模型在长上下文任务中的真实性能。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~043CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5