阿里巴巴达摩院开源了一款多语言大型语言模型Babel，其宏伟目标正是弥合语言鸿沟，让AI能够理解并使用全球九成以上人口的语言进行交流。
当前许多大型语言模型往往更青睐英语、法语、德语等资源丰富的语言。然而，如同全球会议中鲜少被提及的小语种使用者一样，印地语、孟加拉语、乌尔都语等拥有庞大用户群体的语言在AI领域也常常被忽视。
阿里巴巴的Babel正是要改变这种局面。它支持全球使用人数最多的前25种语言，覆盖了超过90%的世界人口。更值得称赞的是，Babel还将目光投向了斯瓦希里语、爪哇语、缅甸语等在开源LLM中鲜有涉猎的语种。这一举措无疑将为数十亿使用这些语言的人们带来更便捷、更优质的AI语言服务。
与传统的持续预训练方法不同，Babel采用了独特的层扩展技术来提升模型的能力。这种方法可以理解为在模型原有的基础上，以一种更精巧的方式增加“知识储备”，从而在提升性能的同时，也保证了计算效率. 研究团队推出了两款各具特色的模型:Babel-9B，它专为高效的单GPU推理和微调而优化;以及Babel-83B，这款拥有830亿参数的“巨擘”旨在树立开源多语言LLM的新标杆。
为了验证Babel的实力，研究团队在多个多语言任务上进行了严格的评估. 结果令人振奋:无论是90亿参数的Babel-9B，还是830亿参数的Babel-83B，在多项基准测试中均超越了同等规模的其他开源模型. 例如，Babel在世界知识（MMMLU， M3Exam）、推理(MGSM， XCOPA)、理解(XNLI)和翻译(Flores-200)等任务上均表现出色。
尤其值得一提的是，Babel在处理资源匮乏的语言时，其准确率相较于以往的多语言LLM提升了5%到10%. 这充分展示了Babel在提升语言覆盖率的同时，也注重了模型在各种语言上的性能表现。
更令人惊喜的是，通过在超过一百万个对话数据集上进行监督微调（SFT）后，Babel的聊天版本Babel-9B-Chat和Babel-83B-Chat展现出了强大的对话能力，其性能甚至可以媲美一些顶尖的商业AI模型，例如Babel-83B-Chat在某些任务上已能与GPT-4o一较高下. 这无疑为开源社区注入了新的活力，证明了开源模型在多语言能力上同样可以取得领先地位。
项目:https://babel-llm.github.io/babel-llm/
github:https://github.com/babel-llm/babel-llm
