通过增加数据量、计算资源和模型参数，语言模型的规模扩展推动了自然语言处理领域的显著进展。例如，得益于规模扩展，GPT-3在上下文学习任务上取得了优异表现。然而，训练这类大规模稠密模型需要消耗大量的计算资源。本文提出并开发了一类名为GLaM（通用语言模型，Generalist Language Model）的语言模型家族，该模型采用稀疏激活的专家混合（Mixture-of-Experts, MoE）架构，在显著提升模型容量的同时，相较于稠密模型大幅降低了训练成本。其中最大的GLaM模型拥有1.2万亿参数，约为GPT-3的7倍。该模型在训练过程中仅消耗GPT-3所需能量的三分之一，且在推理阶段所需的计算浮点运算量（FLOPs）仅为GPT-3的一半，同时在29项自然语言处理任务上均实现了更优的零样本（zero-shot）与单样本（one-shot）性能。