B
访问官网BLOOM
BLOOM 是由 BigScience Workshop 推出的开放大型语言模型，定位在开放科学与开源协作背景下的文本生成研究与应用。
开发平台AI 音频模型与 API 平台配音与语音生成文档处理官网查看
BLOOM 是什么
BLOOM 是由 BigScience Workshop 推出的开放大型语言模型，定位在开放科学与开源协作背景下的文本生成研究与应用。它采用与 GPT-3 基本相近的自回归架构，根据已有文本逐步预测下一个词元，适合作为可加载、可调用的语言模型组件。
官方 Transformers 文档提供了 BLOOM 的模型配置、模型类和前向调用说明，也列出因果语言建模、文本分类、词元分类与问答等使用方向。官方资料还说明该系列覆盖 46 种语言和 13 种编程语言，并提供从较小版本到完整模型的多个版本，适合使用 Transformers 的开发者、研究人员和需要搭建文本处理流程的团队进行评估与集成。
BLOOM 的主要功能
自回归文本生成
BLOOM 按自回归方式逐步预测下一个词元，核心输出路径是根据已有序列生成后续文本。该能力适合文本生成研究，以及需要在 Transformers 中调用因果语言模型的开发流程。
多语言与编程语言覆盖
官方文档说明 BLOOM 的训练覆盖 46 种语言和 13 种编程语言，因此它可作为涉及多种自然语言或代码文本的模型基础。具体任务表现仍取决于所选版本和实际评估范围。
多种模型版本
官方页面列出多个 BLOOM 版本，从较小的模型到完整模型均有对应条目，并在 Transformers 中提供统一的模型文档入口。这种版本结构适合需要按模型配置组织加载、比较或实验的开发工作。
任务化 Transformers 集成
官方资源将 BloomForCausalLM 与因果语言建模示例脚本和笔记本关联，同时指向文本分类、词元分类与问答任务指南。由此形成的使用形态适合将 BLOOM 纳入按任务调用模型和处理输出的文本流程。