YAML Metadata Warning:empty or missing yaml metadata in repo card
Check out the documentation for more information.
openPangu-R-7B-2512
中文 | English
1. 简介
openPangu-R-7B-2512 是基于昇腾 NPU 从零训练的高效大语言模型，参数量为 7B（不含词表Embedding），支持128k长序列处理。训练数据总量约30T tokens，具备快慢思考切换能力。
2. 模型架构
openPangu-R-7B-2512 在模型效率和效果提升方向进行了以下优化：
混合滑窗注意力机制：我们采用1:1的滑窗注意力和全注意力混合机制，在不影响模型精度的情况下大幅减少KV Cache的占用，提升模型推理速度。此外，我们还为所有层引入了Attention Sink策略来保证混合注意力的稳定性。
注意力层优化：我们引入了GroupNorm-based Gated Attention策略，在Gated Attention的基础上，利用 Head-wise RMSNorm（参数共享）对注意力输出进行归一化。该策略在平衡多头特征幅度的同时维持了表征多样性，有效增强了模型训练的稳定性与效果。我们还引入了Partial RoPE机制，仅对Query和Key中1/4维度应用位置编码，提升模型在长文本和短文本任务上的表现。
因果卷积：我们在FFN层的输入前引入了一维因果卷积，通过token之间的信息交互和加权,提升模型FFN层的表达能力，从而进一步提升模型的效果。
详细架构参数如下：
| openPangu-R-7B-2512 | |
|---|---|
| Architecture | Dense |
| Parameters (Non-Embedding) | 7B |
| Number of Layers | 27 |
| Hidden Dimension | 4096 |
| Intermediate Dimension | 18432 |
| Attention Mechanism | GQA |
| Number of Attention Heads | 32 for Q，8 for KV |
| Number of MTP Modules | 1 |
| Vocabulary Size | 153k |
| Context Length (Natively) | 128k |
| Pretraining Tokens | 30T |
3. 测评结果
| 开源集 | 测评指标 | openPangu-R-7B-2512 慢思考 | openPangu-R-7B-2512 快思考 |
|---|---|---|---|
| 通用能力 | |||
| Livebench | Acc (2024-11-25) | 58.1 | 44.5 |
| MMLU-Pro | Exact Match | 79.1 | 76.6 |
| MMLU-ProX | Acc | 68.7 | 61.2 |
| RULER | Acc | 83.2 | 83.4 |
| LongBench V2 | Acc | 33.4 | 30.4 |
| IF-Eval | Prompt Strict | 72.8 | 78.0 |
| Hallucination-LeaderBoard | 1-HHEM | 96.4 | 96.8 |
| GPQA-Diamond | Avg@4 | 75.4 | 63.1 |
| SuperGPQA | Acc | 53.1 | 48.7 |
| 数学能力 | |||
| AIME24 | Avg@16 | 86.5 | 65.4 |
| AIME25 | Avg@16 | 75.2 | 56.9 |
| CNMO24 | Avg@32 | 78.5 | 67.0 |
| HMMT 2025 | Avg@16 (February) | 62.9 | 34.0 |
| 代码能力 | |||
| LiveCodeBench V6 | Avg@3 (01/25~05/25) | 57.1 | 35.8 |
| Codeforces | Elo Avg@3 (02/25~09/25) | 1411.6 | 774.4 |
| Agent工具调用 | |||
| Ace-Bench | Acc (Prompt) | 61.8 | 49.8 |
| Tau-Bench (airline) | Avg@3 (FC) | 50.0 | 42.7 |
| Tau-Bench (retail) | Avg@3 (FC) | 69.0 | 61.7 |
| Tau2-Bench (airline) | Avg@3 (FC) | 58.0 | 59.3 |
| Tau2-Bench (retail) | Avg@3 (FC) | 71.3 | 66.4 |
| Tau2-Bench (telecom) | Avg@3 (FC) | 45.0 | 43.0 |
| BFCL-v3 | Acc (Prompt) | 70.6 | 62.7 |
注： 评测采用 128k 的序列长度、Greedy 解码策略进行。
4. 部署和使用
4.1 环境准备
硬件规格
Atlas 800T A2 (64GB)，驱动与固件安装包获取请参照 [Atlas 800T A2]。
软件环境
- 操作系统：Linux（推荐 openEuler>=24.03）
- CANN==8.1.RC1，安装准备及流程请参照 [CANN Install]
- python==3.10
- torch==2.1.0
- torch-npu==2.1.0.post12
- transformers==4.53.2
以上软件配套经过验证，理论可以支持更高版本，如有疑问，可以提交 issue。
4.2 推理样例
下述内容提供 openPangu-R-7B-2512 在 transformers 框架上进行推理的一个简单示例：
运行前请修改 generate.py，添加模型路径。
cd inference
python generate.py
openPangu-R-7B-2512 模型默认为慢思考模式，可以通过以下手段切换至快思考模式：
- 在代码实例
generate.py中，no_thinking_prompt变量的定义展示了切换至快思考模式的具体实现：通过在用户输入末尾添加/no_think标记，可将当前轮次切换至快思考模式。
4.4 使用推理框架
vllm_ascend：参考[README_CN.md]
5. 模型许可证
除文件中对开源许可证另有约定外，openPangu-R-7B-2512 模型根据 OPENPANGU MODEL LICENSE AGREEMENT VERSION 1.0 授权，旨在允许使用并促进人工智能技术的进一步发展。有关详细信息，请参阅模型存储库根目录中的 LICENSE 文件。
6. 免责声明
由于 openPangu-R-7B-2512（“模型”）所依赖的技术固有的技术限制，以及人工智能生成的内容是由盘古自动生成的，华为无法对以下事项做出任何保证：
- 尽管该模型的输出由 AI 算法生成，但不能排除某些信息可能存在缺陷、不合理或引起不适的可能性，生成的内容不代表华为的态度或立场；
- 无法保证该模型 100% 准确、可靠、功能齐全、及时、安全、无错误、不间断、持续稳定或无任何故障；
- 该模型的输出内容不构成任何建议或决策，也不保证生成的内容的真实性、完整性、准确性、及时性、合法性、功能性或实用性。生成的内容不能替代医疗、法律等领域的专业人士回答您的问题。生成的内容仅供参考，不代表华为的任何态度、立场或观点。您需要根据实际情况做出独立判断，华为不承担任何责任。
7. 反馈
如果有任何意见和建议，请提交issue或联系 openPangu@huawei.com。
- Downloads last month
- 190