初始化项目，由ModelHub XC社区提供模型

Model: FlagAlpha/Atom-7B
Source: Original Platform

README.md

@@ -0,0 +1,67 @@
+---
+license: Apache License 2.0
+---
+### Clone with HTTP
+```bash
+git clone https://www.modelscope.cn/FlagAlpha/Atom-7B.git
+```
+
+# Atom-7B
+
+Atom-7B模型，由Llama中文社区和AtomEcho（原子回声）联合研发，我们会持续提供更新的模型参数，模型训练过程见(https://llama.family)。
+
+模型的部署、训练、微调等方法详见Llama中文社区GitHub仓库：https://github.com/LlamaFamily/Llama-Chinese
+
+
+## 📝 中文数据
+
+| 类型                                                       | 描述                                                         |
+| ---------------------------------------------------------- | ------------------------------------------------------------ |
+| 网络数据                                                   | 互联网上公开的网络数据，挑选出去重后的高质量中文数据，涉及到百科、书籍、博客、新闻、公告、小说等高质量长文本数据。 |
+| Wikipedia       | 中文Wikipedia的数据                                          |
+| 悟道          | 中文悟道开源的200G数据                                       |
+| Clue | Clue开放的中文预训练数据，进行清洗后的高质量中文长文本数据   |
+| 竞赛数据集                                                 | 近年来中文自然语言处理多任务竞赛数据集，约150个              |
+| MNBVC                | MNBVC 中清洗出来的部分数据集                                 |
+
+
+
+## 📚 中文词表
+
+为了提高中文文本处理的效率，我们针对Llama2模型的词表进行了深度优化。
+
+首先，我们基于数百G的中文文本，**在Llama2词表的基础上扩展词库至65,000个单词**。
+
+经过测试，我们的改进使得**中文编码/解码速度提高了约350％**。
+
+此外，我们还扩大了中文字符集的覆盖范围，包括所有**emoji符号**，这使的生成带有表情符号的文章更加高效。
+
+对于Llama2原生词表中的一些特殊情况，如数字、英文等，我们尽可能地避免对其进行修改或替换。
+
+最终，成功地实现了一种既能提高中文处理效率又能保持Llama2原有性能的方法。
+
+
+## 📈 训练过程
+
+**模型结构**
+
+基于当前最优秀的开源模型Llama2，使用主流Decoder-only的标准Transformer网络结构，支持4K的上下文长度（Context Length），为同尺寸模型中最长，能满足更长的多轮对话、知识问答与摘要等需求，模型应用场景更广泛。
+
+**FlashAttention-2高效训练**
+
+Atom-7B采用了FlashAttention-2技术进行训练。由于在处理较长的输入序列时，内存消耗的问题可能会导致“内存爆炸”现象。FlashAttention-2是一种高效注意力机制的实现方式之一，相较于传统的注意力技术（Attention），它拥有更快速的速度以及更加优化的内存占用率。
+
+**基于NTK的自适应上下文扩展技术**
+
+- 可在不继续训练模型的情况下支持更长的上下文
+- 本项目中模型默认支持4K上下文，利用上述技术可扩展至18K+
+- 经过微调可以支持到32K+
+
+
+## 💻 推理配置
+实际应用中，消费级显卡要比专业显卡便宜的多（比如3090相比A10，同样都是24G显存）。
+
+对于消费级显卡，直接FP32肯定放不下，一般最基本的是FP16，而INT8和INT4量化就很有用，例如：
+
+- 对于3080显卡（10G显存），Atom-7B的INT8只需要8G显存可以直接部署。
+- 对于3080显卡（10G显存），Atom-7B的INT4只需要5G显存可以直接部署。