大语言模型支持更长的上下文意味着模型可以一次处理更多的数据，可以一次性考虑更广泛、更深入的信息范围，这不仅提高了对话的连贯性和准确性，还使模型更好地理解复杂的话题和细微的语境变化。在财报分析、长篇文章写作等方面都有很高的价值。此前，商业大模型中上下文长度最高的是李开复零一万物的Yi-34B-200K上下文大模型以及Anthropic的Claude-2-200K模型，而深圳的元象科技开源了一个最高上下文256K的大语言模型XVERSE-13B-256K，可以一次性处理25万字左右，是目前上下文长度最高的大模型，而且这个模型是以Apache2.0协议开源，完全免费商用授权。

XVERSE-13B-256K的具体参数和开源地址参考DataLearnerAI模型信息卡：https://www.datalearner.com/ai-models/pretrained-models/XVERSE-13B-256K

XVERSE-13B-256K介绍

XVERSE-13B-256K是基于XVERSE-13B-2继续训练得到的，后者是XVERSE开源一个130亿参数规模的大语言模型，该模型在3.2万亿tokens数据集上训练得到，各项评测指标结果与340亿参数的LLaMA2-34B水平差不多。

但是，XVERSE-13B-2本身只支持8K上下文，为了支持更长的上下文长度，元象科技在这个模型的基础上继续训练得到了 XVERSE-13B-256K模型。这也是目前全球最长上下文模型。

从这个表可以看出，在超长上下文大语言模型的赛道中，国内有很多开源都在做，而美国最大的2个商业模型也都支持超过100K的上下文，不过都是闭源的。而XVERSE-13B-256K是目前上下文长度最高的。

XVERSE-13B-256K的评测效果

针对模型超长上下文能力的评测目前业界没有很多的评测基准，用的最多的有2类，分别是LongBench和needle in a haystack”（大海捞针）测试。

LongBench是清华大学KEG小组推出的一个针对大语言模型长上下文能力的基准测试，包含了14个英文任务和5个中文任务，以及2个代码任务。任务的长度从5K到15K不等，共4750个测试数据集。官方提供的一些测试结果如下：

这是一个简单的对比，因为LongBench本身缺少完整的Leaderboard，上述数据来自XVerse的HF公布的结果。LongBench官方公布的一些模型中最好的也是GPT-3.5-Turbo-16k与ChatGLM3-6B，结果也在40多分，可以理解为XVERSE-13B-256K在长上下文的表现上应该是超过了60亿参数规模的大模型，与GPT-3.5-Turbo-16K和ChatGLM3-6B差不多的水平。

而在另一项needle in a haystack”（大海捞针）测试中，XVERSE-13B-256K取得了99.67%的得分，表现非常优秀。大模型“大海捞针”测试就是给定一篇超长上下文，然后插入一句与全文无关的内容，用大模型针对这个无关内容提问，如果大模型能准确回答，则说明大模型超长上下文支持良好，这个测试虽然不严谨，但是某种程度上可以代表大模型对超长上下文的支持水平。具体测试过程可以详情参考此前GPT-4与Claude的测试：https://www.datalearner.com/blog/1051699526438975 和 https://www.datalearner.com/blog/1051701947131881

而昨天智谱AI的GLM4发布会上公布的大海捞针测试结果：

如果是相同的测试，那意味着XVERSE-13B-256K效果在这方面的表现还是非常惊人的！

XVERSE-13B-256K是如何训练出来的

大模型的超长上下文的训练非常困难，主要是上下文长度增加之后模型训练过程的显存消耗会大幅增加，而且也容易导致遗忘长序列的知识。元象科技也公布讨论了自己的长上下文训练策略：

简单来说，就是在8K模型的基础上先基于ABF技术用更长的输入数据继续进行预训练，得到32K上下文大模型，然后通过微调技术将上下文拓展到256K。这部分具体的操作也可以参考他们官方发布的原文的内容：https://mp.weixin.qq.com/s/R8ewi1NsAK9Qwh0e7UyyBw

XVERSE-13B-256K总结

总的来说XVERSE-13B-256K是目前最高上下文长度的模型。在特殊的应用场景，如财报分析、PDF问答等场景是非常有价值的。它的水平可以理解为与GPT-3.5-Turbo-16K差不多，比大部分60亿参数规模的模型都要好，最主要的是该模型是免费商用授权，这是非常难得的。而目前他们官网也可以体验这个模型，对于有需求的童鞋来说可以先行测试~