README.md

# openPangu-R-72B-2512-Int8
中文 | [English](README_EN.md)

## 1. 简介
openPangu-R-72B-2512 是基于昇腾集群训练的MoE模型。模型总参数量74B，激活参数量15B，采用80选8的专家选择机制，支持128k长序列处理。训练数据总量约24T tokens。同一个模型支持快慢思考两种模式切换，慢思考模式下，支持思维链分档（“低”和“高”两种推理深度）。

openPangu-R-72B-2512-Int8 是 [openPangu-R-72B-2512](https://gitcode.com/ascend-tribe/openPangu-R-72B-2512) 的量化版本，使用动态 per-token 量化方法，能够减少约一半的显存占用，提升超20%吞吐，综合精度损失小于1%。

## 2. 模型架构
openPangu-R-72B-2512-Int8 在模型稳定收敛和效果提升方向进行了以下优化：
- 在注意力机制中引入参数式Sink Token技术： 有效缓解极大激活值问题，训练中最大激活值从$10^3$降至$10^2$量级， 提升训练稳定性并对后量化亲和。

- K-Norm与Depth-Scaled Sandwich-Norm：为保证attention logits的稳定性，我们采用了K-Norm结构。K-Norm与QK-Norm类似，但只对attention的key施加RMS Norm。K-Norm可起到与QK-Norm类似的稳定性效果，但引入的计算开销更小，同时K-Norm不影响Query的scale，带来更灵活的表达能力。为了保证残差连接的稳定性，我们采用了Depth-Scaled Sandwich-Norm方法。

- 注意力架构优化：增加Query头数和注意力头维度，使模型能够从更多角度捕获细粒度语义关系。引入Partial RoPE机制，仅对Query和Key中1/3维度应用位置编码。尽管Key头维度有所增加，但通过将KV组数量减半，KV cache仍可减少37.5%，在保持推理阶段显存和速度优化的同时，实现了更低的训练损失和更优的推理性能。

- Adaptive Aux Free负载优化技术：能够自适应调整专家bias更新幅度，减少均衡震荡现象，优化专家负载分布均衡性。


详细架构参数如下：

| | |
|:---:|:---:|
| **Architecture** | Mixture-of-Experts (MoE) |
| **Total Parameters** | 74B |
| **Activated Parameters** | 15B |
| **Number of Layers** (Dense layer included) | 50 |
| **Number of Dense Layers** | 4 |
| **Number of MTP Modules** | 1 |
| **Hidden Dimension** | 4608 |
| **MoE Hidden Dimension** (per Expert) | 1280 |
| **Attention Mechanism** | GQA |
| **Number of Attention Heads** | 64 |
| **Number of Query Groups** | 4 |
| **Number of Experts** | 80 |
| **Selected Experts per Token** | 8 |
| **Number of Shared Experts** | 2 |
| **Vocabulary Size** | 153K |
| **Context Length** | 128K |


## 3. 部署和使用
- 使用omni-infer推理框架，部署方式与非量化版本一致，参考[[omniinfer_for_openpangu_r_72b_2512_Int8](doc/omniinfer_for_openpangu_r_72b_2512.md)]

## 4. 模型许可证
除文件中对开源许可证另有约定外，openPangu-R-72B-2512-Int8 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](LICENSE) 文件。

## 5. 免责声明
由于 openPangu-R-72B-2512-Int8 （“模型”）所依赖的技术固有的限制，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：
- 该模型的输出通过AI算法自动生成，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](url)。