本研究提出了一种改进的Chinchilla扩展法，通过优化模型参数、训练标记和结构，Morph-1B模型在保持准确性的同时，推理延迟效率提高了1.8倍。

本研究解决了大型语言模型预训练的复杂性问题，强调高质量数据和合理扩展的重要性，通过训练DMaS-LLaMa-Lite模型显著减少了所需的训练标记数量。