在 WWDC24 之前，苹果在 Hugging Face 平台上发布了一个「具有开源训练和推理框架的高效语言模型」，名为 OpenELM。
官方介绍称：大型语言模型的可重复性和透明性对于推进开放研究、确保结果的可信度以及调查数据和模型偏差以及潜在风险至关重要。为此，我们发布了 OpenELM，一个最先进的开源语言模型。
OpenELM 使用分层缩放策略，可以有效地分配 Transformer 模型每一层的参数，从而提高准确率。例如，在参数量约为 10 亿的情况下，OpenELM 与 OLMo 相比准确率提升了 2.36%，同时所需的预训练 tokens 数量仅有原来的 50%。
OpenELM 有四种尺寸：2.7亿、4.5亿、11亿和30亿个参数。而微软Phi-3模型为38亿，因此前者在小型机型上运行成本更低，可在手机和笔记本电脑等移动设备上运行，是做AI硬件的绝佳小模型。
OpenELM 核心特性如下
- 功能：该模型能够执行生成文本、代码、翻译、总结摘要等功能。
- 预训练数据：尽管最小的模型只有2.7亿参数，但苹果使用了1.8万亿tokens的数据进行预训练，这是其小参数下仍能表现出色的原因之一。
- 苹果的开源策略：苹果通常在手机领域采取闭源策略，但此次开源可能是为了吸引用户，未来可能会推出闭源产品实现商业化。
- 技术贡献：苹果不仅发布了模型权重和推理代码，还发布了完整的训练和评估框架，包括数据准备、模型训练、微调和评估流程，以及多个预训练检查点和训练日志。
- OpenELM架构：OpenELM的架构，包括其技术创新点，如无编码器的transformer架构、层级缩放策略、不使用全连接层中的可学习偏置参数等。
- 训练流程与数据集：苹果使用CoreNet作为训练框架，Adam优化算法，以及动态分词和数据过滤的方法。
论文地址：https://arxiv.org/abs/2404.14619
模型地址：https://huggingface.co/apple/OpenELM
