《2024人工智能 预训练模型第1部分：通用要求.docx》由会员分享，可在线阅读，更多相关《2024人工智能 预训练模型第1部分：通用要求.docx（14页珍藏版）》请在第壹文秘上搜索。
1、人工智能预训练模型第1部分：通用要求前SII引HI1范围12规范性引用文件13术语和定义14缩珞语25概述26技术要求46.1 资源池46.2 工具56.3 数据资源76.4 模型76.5 行业应用86.6 服务平台/批件8附录A（资料性）段训练的方法简述10参考文献11训练模型已成为人工智能发展的重要技术手段.在引额产业变革中发挥重要作用.出内外人工智能相关机构相继研究开发百余种预训练模型产品和评海榜以，林较用户难以有效评价业内人工智能产品的技术水平和服务能力.GaTXXXXX旨在规定通用预训练模型的技术要求、评测指标和服务能力,拟由三部分构成，一第1部分：通用要求.H的在于定义制备或使用大
2、规模预训练模型的人工智能系统的技术参考架构和相关方活动，并提出通用技术要求.第2部分：评测指标与方法.目的在于定义预训练模型评测内容、指标设置和评测方法.第3部分：服务能力成妫度评估.目的在于定义大规模预训练模型服务能力成熟度评估框架.规定大现模按训练模型服务的能力要求、成熟度等级及评估方法.人工智能预训练模型第1部分：通用要求1葩囹本文件定义断修或使用预训练模型的舂考架构，描述了相关方及其活动，并规定了预训练模型的通用技术要求.木文件适用于预训练模型的研究、制备、开发、部署和应用，2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期
3、时应的版本适用于本文件：不让日期的引用文件，其被新版本（包括所有的修改单）适用于本文件,GB/T41867-2022信息技术人工智旎术谱3术语和定义GB/T41867-2022界定的以及下列术语和定义适用于本文件，3.1预训嫉模型pre-trainedmode1.一种在广泛领域数楙集上训练得到的供以专门筑城数据微调,未满足场景任务需求的深度学习模型，注：按训练数据模预训班模型般相应体现出对文本.图像.齐顿或视顿等模态任务的处理箍力及泛化性.3.2预训练模型服务pre-trainedmode1.service通过应用但训练模型为用户提供价值的方法.注1：服务般满足用户获得特定输出的要求.注2：f
4、fi训练模型IH务敏含行：推理朦务.做词服务、大模型小里化限务.【来源：ISO/IEC200001:2018,3.2.15.有修改3.3作业job一个可被测试系统执行的域本测试的元。来源：1SO/IRC25023:2016,4.3,有修改3.4任务task被调度的训练或推理对歆。注；任务用于完成个相对独立的业务功能，一个任务MEI1.仅肮J一个作业.3.5微调fine-tuning为提升人工智能模型的彼测精确度,一种先以大型广泛领域数幅集训域.再以专门领域数据集继续训练的附加训触术。注1：专门领域数据般指下游任务数据注2.常用的党训方法包括槌东微调，至与微调、高效参数Ri词等.来源：GB/T4
5、1867:2022.3.2.31,有修改3.6提示语PrOmPt使用预训练模型进行微调或卜游任务处理时，插入到输入样本中的指令或信息对象,3.7提示学习prompt1.earning在不修改预训练模型结杓和参数的情况F通过向模型提供含特定什务指示性关键词的提示语，引杼预训练模型在特定任务上应用其已有知识达到更好性能我现.3.8人工智能加速处理器artificia1.inte1.1.igenceacce1.eratingprocessor具第适配人工智能算法的运以微架构,能将完成人工智能应用加速运算处理的篥成电路元件.来源:GB/T418672022,3.1.5,有修改4缩略语下列缩略语适用于本
6、文件.ITPGA:现场可端程逻轼门阵列(Fie1.dProgrammab1.eGa1.CAnay)GPU：图形处理器(GraphicProcessingUnh1.ACP：链跖案合控制协议(1.inkAggregationContro1.Pn)IoCo1.)NPU：神经网络处理器(Neura1.NetworkProccsSingUnit)TP1.h张依处理器(TensorProcessingUni1.)UMI.：统一建模语言(UnifiedMode1.ing1.anguage)5概述支撑预训练模型的生态包括功能视角下的参考架构和用户视角下各相关方的技术活动功能视角卜的预训练模型参考架构见图I.包
7、括资源池、工具、数据资源、模蟹、行业应用和困务平台等.其中：资源池包括计算、存谛、刈络、资源虚拟化及调度等：一一工具包括数据工具、模型工具：一一数据资源包括通用数据、领域数掘、私有数据：模型包括预训纵模里、定IW化模型，其中预训练模型包括单模态和多模态两种类型的模型，定制化模型是依据用户需求对预训练模型进行微谓定制生产环境所需的模型：一一行业应用为为各行业场景用户提供预训练模型卜游仔务四配服务：一一眼务平台/纲件员穿各层次提供支持大规模预训练模型和相关服务的编排、部署、模型推理、运维和管理.rr*WM)Wt1.MmNt!务ftM11Ifi1.K货耽Mrtt图1功彘视角下的预训练模型参考架构用户
8、视角下的预训练模型相关方见图2,包括基础设施提供者、数据提供者、模皇提供者、应用服务者、应用消费者和管理者.其中:基础设施提供者包括硬件资源提供者和软件资源及工具提供者。便件资源提供者的活动包括提供计驾，存储、网络等支撑被件朋务活动.软件资随及工具提供者的活动包括提供数楙处理.计算加速、模型训练、模型优化、模型验证等支撑状件眼务活动；一一数据提供者进行数据采柴、数据准备、数据管理等数据相关服务活动：模里提供若负击模型设计开发、模型预训练、模型验证、模型优化、模型部署等fft训练模型相关眼务活动；一一应用服务者支持平台服务、植大!定制、模型推理、模型运维和管理等应用服务活动：一一应用消费者的活动
9、包括使用模星和相关服务以及提供评估反德：管理者对预训练模型在生态能各环节的安全与合规性进行管理，包括监管、审计、测试评估等活动。6技术要求1 .1资源池6 .1.1计算资源为模型训练和推理提供计*和数据处理等能力的实体设备（如C叩、（；MJ.F,G,NPU,THJ）或逻辑设备。计算资源符合以下要求；a）应能执行至少1种帙态（如文本、图像.语音）的模型的训练或推理：b）应支杼破件加速的人工智能计切，尼备分布式训练和推理计算加速麻：1）训练服务器：-应支持不小干4个100GEd1.c应支持分布式并行存储；应支持在线弹性扩展,满足容量需求和性能的线性增长：应支持通过控制台、API、SDK、命令行方式
10、悚作存储资源,能按需求切换:应支持标准文件系统按,如POSIX；应支持向此库储存.6.2.1.4数据管理工具数据工具提供数据旨理功能，符合以下要求：a）应支排数据集管理的要素.包含数据集名称、版本、标注类型、标注标签数幅盘、数据求源、特征版本、创建时间第：b）应支持数据集的创建、查谕、修改、删除、导入、导出、发布等：C）应支持数据篥状态信息查询,包含数据篥名称、版本、标注类型.数据Iih导入状态、已标注状态和版本：d）宜支持数据可视化分析和版本管埋.6.2.2模型工具6.2.2.1模型设计工具模里设计工具，符合以下要求：a）应支持可视化图形界面,允许用户通过施放、连接元索来创建模型：b）应支持
11、多种类型的模型设计，例如流程图、UM1.（统一建模语言）图、概念图等；C）应提供预定义的模型元素和模板使用户能修快速构建模型：d）应支持对模型性能进行帙拟和分析，以评估其行为和性能：c）宜支件导出模型的多维度信息.如说明文档.模型代码等.6.22.2模型训练工具模军训练工具，符合以下要求：a）应支持数据并行，模型并行，混合并行等分布式训练技术：b）分布式协同训级集群在训旅过程中出现节点故隙（如宕机）时.应支捋从断点维续并完成训练任务：0应能至少使用2种数据源或知识阵，对训练任务实施集成和迁移：d）应支持或可通过插件方式支持数据可视化、训练可视化及模型评估可视化：e）应支持范于训练数据的整体或部分特征，构建预训练任务；n应支持模型历史版本和微调迭代过程中的信息记录和查询.信息包含H志.准病率、损失、参数等；
