FoxBrain模型（對比Meta Llama 3.1 70B 與 Llama-3-Taiwan-70B） 在TMMLU+ 上面幾個重要領域的得分。鴻海／提供
鴻海（2317）旗下鴻海研究院（HHRI）10日宣布，推出首款繁體中文AI大型語言模型（LLM），內部開發代碼FoxBrain，此模型以優異的運算成本，於四周內完成訓練。FoxBrain模型原為內部應用而設計，涵蓋數據分析、決策輔助、文書協作、數學、推理解題與代碼生成等功能，後續將對外開源分享。FoxBrain作為鴻海研究院AI推理LLM模型訓練成果，不僅展現了強大的理解與推理能力，還能針對台灣使用者的語言風格進行優化，並在數學與邏輯推理測試中表現出色。
鴻海研究院人工智慧研究所栗永徽所長表示，「近幾個月，推理能力的深化以及GPU的高效運用逐漸成為AI領域發展主流。我們的FoxBrain模型採用高效訓練策略，專注於訓練過程優化而非盲目堆砌算力。通過精心設計的訓練方法和資源優化，我們成功打造出具備強大推理能力的本土AI模型。」
鴻海研究院人工智慧研究所在FoxBrain訓練過程中，使用120張NVIDIA H100 GPU，並透過NVIDIA Quantum-2 InfiniBand 網路進行擴展，僅花約四周的時間完成，相較於近期其他公司所推出的推理模型，以更高效率，更低成本的模型訓練方式為台灣AI技術發展樹立新里程碑。
FoxBrain採用Meta Llama 3.1為基礎架構，擁有70B參數，在TMMLU+測試資料集，大多數的領域優於國內相同規模的Llama-3-Taiwan-70B，尤其在數學與邏輯推理方面展現卓越能力（TMMLU+評測結果請參閱圖一）。以下是FoxBrain 的相關規格與訓練策略：
•透過自主技術，建立24類主題的資料增強方式與品質評估方法，生成98B tokens高品質中文預訓練資料。
•上下文處理長度 128 K token。
•使用120張 NVIDIA H100 GPU 訓練，總計算力花費2688 GPU days。
•採用多節點平行訓練架構，確保高效能與穩定性。
•使用獨特的Adaptive Reasoning Reflection 技術訓練模型學會自主推理。
在測試結果方面，FoxBrain於數學領域較基礎模型Meta Llama 3.1全面提升，相較於目前最好的繁體中文大模型 Taiwan Llama在數學測試中取得顯著進步，並在數學推理能力上超越Meta目前已推出的同等級模型，雖與DeepSeek的蒸餾模型仍有些微差距，但表現已相當接近世界領先水準。
FoxBrain的研發，從資料收集、資料清理與擴增、Continual Pre-Training、Supervised Finetuning、RLAIF、Adaptive Reasoning Reflection，以自主研發的方式一步一腳印，穩紮穩打把每一個環節做好，最終在運用有限的算力資源下，仍能達到接近世界頂尖AI大模型的效益。此大型語言模型的研究成果，顯示台灣科技人才在AI大模型領域也能夠與國外人才並駕齊驅。
FoxBrain模型雖然起源於鴻海研究院為集團內部應用而設計，未來，鴻海將持續與技術夥伴合作，對外開源分享，擴大FoxBrain模型運用範圍，共同推動AI在製造業、供應鏈管理與智慧決策領域的應用。
在模型訓練過程中，NVIDIA公司提供Taipei-1超級電腦的支持以及技術諮詢，使鴻海研究院透過使用NeMo順利完成模型訓練。FoxBrain不僅是鴻海AI研發的重大突破，也為台灣AI產業發展樹立了新的標竿。將在更多場景中發揮影響力，推動企業數智化轉型與全球產業升級。
鴻海未來將透過導入AI大型語言模型，優化智慧製造、智慧電動車、智慧城市等三大平台的數據分析效率，讓FoxBrain成為驅動智慧應用升級的重要引擎，進一步提升公司營運效益。
2025/03/10 09:15
轉載自聯合新聞網: https://udn.com/news/story/7240/8597018?from=udn-ch1_breaknews-1-99-news
Post gallery
