OpenAI掀小模型血战！苹果DCLM强势登场，碾压Mistral 7B全开源

随着OpenAI的GPT-4o mini、Mistral AI的Mistral NeMo，以及HuggingFace的小模型相继亮相，小模型市场正迅速升温。苹果最新加入这场竞争，推出了DCLM小模型，以其卓越性能和全面开源策略引发业界关注。

苹果推出的DCLM小模型拥有70亿和14亿参数两个版本，其中70亿参数版本超越了Mistral-7B，性能接近Llama3和Gemma。苹果的研究科学家Vaishaal Shankar强调，DCLM是目前性能最佳的真正开源模型，提供完整权重和训练代码，基于开放数据集DCLM-Baseline。苹果的这一举措赢得了广泛好评，与多数科技巨头的闭源模型形成鲜明对比。

DCLM系列模型在HuggingFace平台上已完全开源，采用decoder-only架构，使用PyTorch和OpenLM框架预训练。尽管使用的数据量不是最大的，但在与同等大小的开放数据模型比较时，DCLM在核心、MMLU和扩展准确率三个指标上均表现出色。尤其在5-shot MMLU任务上，DCLM-7B准确率高达63.7%，比SOTA MAP-Neo模型提高了6.6个百分点，且所需计算量减少40%。

DCLM的成功不仅归功于模型本身，其背后的DataComp基准也发挥了关键作用。该基准论文详细介绍了数据集的构建过程，强调了在固定模型下筛选最佳数据的重要性。这一思路与科技巨头们的研发策略不谋而合，预训练数据正成为决定LLM性能的关键因素。

AI科技巨头开始意识到，模型并非越大越好。小模型因其低成本、高速度和高专业性受到青睐，尤其是在特定任务上展现出巨大潜力。未来的发展趋势可能是大模型缩小后再次扩大规模，通过“巨兽”模型重构数据，形成理想合成形式，再供小模型学习，从而达到更高的效率和性能。

本文来源：