摘要

我们介绍了一种名为Mixtral 8x7B的稀疏专家混合（Sparse Mixture of Experts, SMoE）语言模型。Mixtral采用了与Mistral 7B相同的架构，不同之处在于每一层由8个前馈块（即专家）组成。对于每个标记，在每一层上，路由网络会选择两个专家来处理当前状态并合并其输出。尽管每个标记仅能看到两个专家，但所选专家在每个时间步可以不同。因此，每个标记可以访问470亿参数，但在推理过程中仅使用130亿活跃参数。Mixtral在训练时使用了32,000个标记的上下文大小，并且在所有评估基准上均超过了或匹配了Llama 2 700亿和GPT-3.5的表现。特别是在数学、代码生成和多语言基准测试中，Mixtral大幅超越了Llama 2 700亿。此外，我们还提供了一个经过微调以遵循指令的模型——Mixtral 8x7B - Instruct，在人类基准测试中超越了GPT-3.5 Turbo、Claude-2.1、Gemini Pro以及Llama 2 700亿 - 聊天模型。基础模型和指令模型均在Apache 2.0许可下发布。