不久前，外界对百川智能开源模型Baichuan-7B同样提出了是否套壳LLaMa的质疑。彼时，王小川表示，搜索公司干了20年，团队对语言数据有深入的理解，知道取得高质量语料的渠道，模型迭代速度很快，“国内开源模型的能力目前已经可以达到LLaMa”。
整理丨诺亚、小欧
出品 | 51CTO技术栈（微信号：blog51cto）
昨天科技圈社区Hacker News突然出现一则消息，矛头直指不久前发布的大模型Yi-34B，认为其除了两个张量被重新命名外，完全使用了Llama的架构。
图片
而根据公开信息，Yi 系列开源大模型没有在开源 License 中提及Llama。虽然原贴评论寥寥，但还是引起了部分关注。毕竟“Yi”才发布不久，而且备受期待。
今年3月，李开复在朋友圈发英雄帖，官宣组建零一万物团队。仅仅7个月后，零一万物就发布了开源中英双语大模型“Yi”。据有关资料显示，在获得创新工场、阿里云和其他未披露投资者的融资后，零一万物的估值已超过10亿美元。
更令人瞩目的是，据零一万物官方介绍，Yi-34B不仅以黑马之姿取得了多项SOTA 国际最佳性能指标认可，而且成为了迄今为止唯一成功登顶 Hugging Face 全球开源模型排行榜的国产模型。
因此，无论是圈内还是圈外，都在关注：“Yi”如何面对这一质疑，后续会有何回应。
1、一篇帖子引发的疑云：社区质疑、贾扬清疑似暗讽
事件的肇因是一篇发布于Hugging Face的帖子。
一位署名为ehartford的开发者于9天前在社区留言。他首先指出，据其了解，Yi 使用的正是 Llama 的架构，除了重新命名了两个张量（input_layernorm，post_attention_layernorm）。
更重要的是，由于围绕 Llama 架构有大量的投资和工具，因此对张量使用相同的名称是有价值的。因此他希望，在该模型获得大量采用之前，开源社区重新发布Yi，并“重新命名张量，以便有一个符合Llama架构的版本”。
图片
下面有跟帖的开发者也指出：如果他们确实采用了Meta LlaMA 结构、其代码库和所有相关资源，就需要遵守LLaMA规定的许可协议。要求以 LlaMA 形式正式发布 Yi 模型是有问题的，因为它破坏了 Yi 许可条款的可执行性。
随后又有热心网友挖出了前阿里VP贾扬清在朋友圈发的一张图，直言某国产大模型实际上是抄袭的LlaMA，为表示不一样就更换了几个变量名。甚至还犀利讽刺道：如果是开源的模型架构，就不要改名字了，“免得我们还做一堆工作就为了适配你们改名字”。虽然贾扬清没有指名道姓，但有留意此事的人不免“对号入座”。
图片
2、首次针对性回应：命名问题是团队疏忽
对于此番争议，零一万物随后给出了自身的回应。
就在昨天，其团队开源总监 Richard Lin 在Hugging Face社区原贴之下指出“命名问题是团队的疏忽，在大量训练实验中，我们对代码进行了多次重命名以满足实验要求。但在发布正式版本之前，我们没能将它们切换回来。对此我们深感抱歉，由此造成的混乱我们也深表歉意”。
图片
Richard Lin向原贴主承认修改张量名称的做法不妥，“您对张量名称的看法是正确的，我们将按照您的建议将其从 Yi 重命名为 Llama。我们也非常重视以准确、透明的方式完成工作。”
与此同时，他也给出了解决方案：要么邀请这名发现问题的开发者提交一条包含这些变更的拉取请求，要么由他们团队处理更新按要求操作并在同一个 repo 中发布新版本，从而完成对 Yi 的张量名称进行重命名以符合 Llama 架构。
最后Richard Lin重申，他们会努力改进工作流程，确保不会再次发生类似的失误，“接下来我们将再次检查所有代码，确保其余部分准确无误”。
3、再次公开回应：大模型核心突破点不仅在于架构，而是在于训练得到的参数
有人说，LLaMa本就是开源的模型，使用LLaMa的架构是正常的大模型训练步骤。而且国内已发布的开源模型也绝大多数采用渐成行业标准的 GPT/LLaMA 的架构。要训练出好的模型，除了架构之外，更需要好的训练数据和对训练方法和具体参数的精准把控。
正如零一万物在今天下午发布的公告所表达的：大模型持续发展与寻求突破口的核心点不仅在于架构，而是在于训练得到的参数。
图片
全文核心观点可总结如下：
国内开源模型绝大多数采用 GPT/LLaMA 的架构，大模型持续发展与寻求突破口的核心点不仅在于架构，而是在于训练得到的参数。
零一万物团队完成了很多科学训模的系统性工作，比起基本模型结构能起到巨大的作用跟价值。
零一万物团队投注大部分精力调整训练方法、数据配比、数据工程、细节参数、baby sitting（训练过程监测）技巧等。这一系列超越模型架构之外，研究与工程并进且具有前沿突破性的研发任务，才是真正属于模型训练内核最为关键、能够形成大模型技术护城河 know-how积累。
对于沿用LLaMA部分推理代码经实验更名后的疏忽，原始出发点是为了充分测试模型，并非刻意隐瞒来源，将尽速完成各开源社区的版本更新。
4、本土大模型的迷津难渡：套壳到底如何界定
其实这不是本土大模型首次被质疑“套壳”。
不久前，外界对百川智能开源模型Baichuan-7B同样提出了是否套壳LLaMa的质疑。彼时，王小川表示，搜索公司干了20年，团队对语言数据有深入的理解，知道取得高质量语料的渠道，模型迭代速度很快，“国内开源模型的能力目前已经可以达到LLaMa”。
那么到底什么是套壳，什么又是合理利用既有开源成果？众所周知，固然选择同一种架构，用不同数据集训练出来的模型也会有所差别。不过，Yi此次引发的争议的焦点在于其对于开源模型架构的“魔改”命名。所以回归事件本身，实质还是一个“用了你的成果，却换了你的牌子”的故事。
当Yi-34B刚发布时，李开复在接受外媒TechCrunch采访时曾说，引入开源LLM作为零一万物首个产品的决定是“回馈”社会的一种方式。对于那些觉得LlaMA对他们来说是“天赐之物”的人来说，“我们提供了一个令人信服的选择”。如今看来，到底能不能让人信服，还是要留待时间的检验了。
参考链接：
https://news.ycombinator.com/item?id=38258015
https://huggingface.co/01-ai/Yi-34B/discussions/11#6553145873a5a6f938658491
https://techcrunch.com/2023/11/05/valued-at-1b-kai-fu-lees-llm-startup-unveils-open-source-model/
https://baijiahao.baidu.com/s?id=1782591118774975071
责任编辑：武晓燕来源： 51CTO技术栈
