近日，一項發布于GitHub的研究引發業界熱議。該研究的作者認為，華為推出的盤古大模型（Pangu Pro MoE）與阿里巴巴發布的通義千問Qwen-2.5 14B模型在參數結構上存在“驚人一致”。作者通過實證比較，發現Pangu Pro MoE模型與Qwen-2.5 14B模型在注意力參數分布上的平均相關性高達0.927，遠超其他模型對比的正常范圍。此外，作者還發現了 Alibaba版權信息。

有網友認為，這可能意味著Pangu Pro MoE存在抄襲。盤古大模型團隊在GitHub中進行了回應，否認抄襲指控，并且認為該作者的評估方法不科學，并按其方法做了多組不同大模型的對比，“ 注意力參數分布上的平均相關性” 也都是很高的水平。此外，盤古 Pro MoE技術開發團隊也在微信公號“諾亞方舟實驗室”做了說明。

簡單說包括兩點：

① 盤古 Pro MoE 開源模型是基于昇騰硬件平臺開發、訓練的基礎大模型， 并非基于其他廠商模型增量訓練而來，有多項 關鍵創新和突破。

②部分基礎組件的代碼參考了其他公司的開源貢獻，涉及其他開源大模型的部分開源代碼。嚴格遵循開源許可證的要求，在開源代碼文件中 清晰標注開源代碼的版權聲明。

從上面的內容可以看到：

①在大模型，全自研很少，各家企業一邊在自己做研究，一邊也吸取其他公司開源的成果，也將自己的部分成果開源。通信圈這個特征更為明顯，一個企業說自己進入了無人區，表明自己在某一方面領先，但在其研發中同樣會參考業界已有的成果，包括開源信息、公開論文，也包括專利等。例如頭部企業都稱自己擁有較多的5G核心專利，但沒有一家說5G是自己“全自研”的。

②盤古 Pro MoE 開源模型，清楚標注引用了哪些公司的開源技術，本身也是對知識產權的尊重。雖然有的軟件不這么做。

③在技術受限的情況下， 華為盤古 Pro MoE在挖掘訓練資源潛力方面有了突破。

④“注意力參數相關性分析”，并非從技術角度判定一致性，而是從輸出結果結果角度判定。面向同一個語言體系，不同大模型之間參數相關都會在一個較高水平，能否作為判定是否參數借用的依據，相關性0.9是不是一個好的閾值。另外還有一個可能，參數越多，不同模型之間的參數相關度越高；如果這個推斷成立，通過對模型參數蒸餾，減少參數數量，提高應用時的效率，僅會對結果帶來很小的影響。