原贴链接

EXAONE推理模型系列有24亿、78亿和320亿参数，针对数学和编码等推理任务进行了优化。我们推出EXAONE - Deep，它在包括数学和编码基准测试等各种推理任务中表现出卓越的能力，其参数规模从24亿到320亿不等，由LG人工智能研究所开发并发布。评估结果表明：1) EXAONE - Deep 24亿参数模型优于其他同等规模的模型；2) EXAONE - Deep 78亿参数模型不仅优于同等规模的开源权重模型，还优于OpenAI的专有推理模型o1 - mini；3) EXAONE - Deep 320亿参数模型相对于领先的开源权重模型表现出有竞争力的性能。[博客文章](https://www.lgresearch.ai/news/view?seq = 543)、[HF集合](https://huggingface.co/collections/LGAI - EXAONE/exaone - deep - 67d119918816ec6efa79a4aa)、Arxiv论文、[Github仓库](https://github.com/LG - AI - EXAONE/EXAONE - Deep)。这些模型依据EXAONE人工智能模型许可协议1.1 - NC获得许可。https://llminfo.image.fangd123.cn/images/64raac7jpcpe1.png!/format/webp。（附言：我制作了一个机器人，用于监测大公司和研究实验室的新公开发布，并将其发布在一个[电报频道](https://remixer - dec.com/genaimon)中，欢迎加入。）

讨论总结

这是一个关于LG发布EXAONE - Deep推理模型的讨论。话题涉及模型的各个方面，如性能表现、许可协议、在不同平台的运行情况等。参与者的态度褒贬不一，有的对模型感到兴奋和期待，有的则持质疑或不满的态度，还夹杂着对LG涉足人工智能领域的惊讶以及与LG其他业务关联的讨论。

主要观点

  1. 👍 EXAONE - Deep模型在部分任务中有不错的性能表现
    • 支持理由：如EXAONE Deep 32B的基准测试与QWQ - 32B相近且优于32B R1 - distill模型，2.4B模型能解决特定谜题等例子。
    • 反对声音：有评论者质疑从7.8B到32B模型性能仅提升约7%。
  2. 🔥 LG对EXAONE - Deep模型的许可协议限制过多
    • 正方观点：协议规定模型仅能用于研究目的、禁止商业使用等，LG对模型及其输出有严格控制。
    • 反方观点：有用户认为即使是最严格的模型许可证通常也只关注模型本身，LG对模型输出的权利要求可能在法律上无效。
  3. 💡 模型的图表制作较差
    • 解释：不少评论者吐槽该行业图表制作水平越来越差，图表存在阅读困难、比较不合理、设计糟糕等问题。
  4. 👍 EXAONE - Deep模型的一些版本有实用价值
    • 支持理由：如2.4B版本被部分用户认可，有人打算使用；7.8B模型击败o1 - mini令人惊叹，8B模型可在多种设备自托管等。
    • 反对声音：无明显反对观点。
  5. 🔥 LG涉足LLMs令人意外且许可证不佳
    • 正方观点：作为传统的家电等产品制造商涉足LLMs让人惊讶，同时许可证限制多。
    • 反方观点：无明显反方观点阐述。

金句与有趣评论

  1. “😂 Basically, this is a research - only license, and LG maintains strict control over the model and its output.”
    • 亮点：简洁概括了EXAONE模型许可协议的性质和LG的控制程度。
  2. “🤔 This industry only learns to make worse graphs, doesn’t it?”
    • 亮点：幽默地指出行业图表制作水平的问题。
  3. “👀 Yeah the Fridge company makes some pretty amazing LLMs with some pretty terrible licenses.”
    • 亮点：以诙谐的方式表达对LG涉足LLMs且许可证不佳的看法。
  4. “😂 I spy, with my little eye, a 2.4b and a 32b. Speculative decoding, here we come.”
    • 亮点：以一种有趣的方式表达对新模型特定版本的关注和对推测性解码的期待。
  5. “🤔 Having an 8b model beating o1 - mini which you can self - host on almost anything is wild.”
    • 亮点：强调7.8B（近似8B）模型击败o1 - mini且可在多种设备自托管的惊喜之处。

情感分析

总体情感倾向比较复杂，既有正面评价，也有负面评价。正面评价主要集中在对模型性能的认可、对LG涉足新领域的肯定以及对一些版本实用性的看好；负面评价主要针对模型的许可协议、图表制作以及性能提升幅度等方面。主要分歧点在于对模型许可协议的看法，部分用户认为限制过多过于严苛，而部分用户则未对此有太多异议。可能的原因是不同用户对于模型的使用目的、对知识产权的看法以及对LG公司策略的理解不同。

趋势与预测

  • 新兴话题：模型在学术使用方面的界限、模型与其他类似规模模型在架构和训练参数上的差异等可能会引发后续讨论。
  • 潜在影响：如果LG的EXAONE - Deep模型在性能和应用方面得到进一步优化，可能会对人工智能领域的竞争格局产生影响，促使其他公司在推理模型的研发和推广上加大力度。同时，模型许可协议的争议也可能促使行业对模型知识产权管理进行更多思考。

详细内容：

标题：LG 发布新推理模型 EXAONE-Deep 引发 Reddit 热议

LG 发布了新的推理模型系列 EXAONE-Deep，包括 2.4B、7.8B 和 32B 等不同参数规模，该模型在数学和编码等推理任务中表现出色。此帖子获得了众多关注，引发了激烈的讨论。

讨论的焦点主要集中在模型的许可证条款以及性能表现等方面。有人指出，该模型的许可证规定只能用于研究目的，LG 对模型及其输出拥有所有权利，这一规定引发了广泛争议。有用户分享道：“LG 拥有模型及其输出的所有权利 - 您只能将其用于研究。哇，这太残酷了。即使是最严格的模型许可证通常也只是专注于模型本身，例如微调及分发。” 也有人认为：“这几乎肯定是无效的，法院一再认为 AI 输出属于公共领域。更不用说这个模型可能是在未经许可的情况下使用受版权保护的材料进行训练的。”

关于模型的性能，有用户表示：“EXAONE Deep 2.4B 在同等规模的模型中表现出色，7.8B 不仅优于同等规模的开放权重模型，还优于 OpenAI 的 o1-mini 专有推理模型，32B 在与领先的开放权重模型竞争中也表现出竞争力。” 但也有人提出疑问：“从 7.8B 到 32B 仅将性能提高了约 7%？”

还有用户对模型的图表、架构和训练参数等方面发表了看法，有人认为图表糟糕，有人好奇与其他类似规模的变压器相比是否有相关的架构或训练参数的变化。

总之，LG 发布的新推理模型在 Reddit 上引发了众多争议和讨论，关于许可证和性能等问题，各方观点不一。