狂追ChatGPT：开源社区的“平替”热潮-Toy模板网

这篇具有很好参考价值的文章主要介绍了狂追ChatGPT：开源社区的“平替”热潮。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

狂追ChatGPT：开源社区的“平替”热潮

目前，不少优质的类ChatGPT模型都只能通过API接入，而一些开源LLM的效果与ChatGPT相比差距不小。不过，近期开源社区开始密集发力了。

其中，Meta的LLaMA模型泄漏是开源“ChatGPT”运动的代表性事件。基于LLaMA模型，开源社区近期接连发布了ChatLLaMa、Alpaca、Vicuna、Koala等模型，效果直追GPT-3.5，它也因此成为了开源LLM领域的创新地。

4月12日，Databricks完全开源了12B参数的指令跟随LLMDolly 2.0，包括训练代码、数据集（15000个prompt/response pairs）和模型权重，这些都可以随意商用。Dolly 2.0 基于EleutherAI pythia模型系列而开发。同一天，为了以更低成本、更快速度训练类ChatGPT模型，微软发布了DeepSpeed-Chat。

来自开源社区的“ChatGPT平替”浪潮正在爆发，LLM的生态构建将迎来新变革。

作者 | Toooold

OneFlow编译

翻译 | 贾川

当今，开源社区一直在寻求一种独立于OpenAI和ChatGPT的方法，正如早期的飞行器想要摆脱重力一样。

今年三月初，斯坦福大学AI研究所（Stanford HAI）分享了一种成功方法“Alpaca: A Strong, Replicable Instruction-Following Model（https://github.com/tatsu-lab/stanford_alpaca）”，证明指令调优是一种有前途的方法。于是，这场ChatGPT“平替”的竞争开始了！

（本文在遵循CC BY-NC-SA 4.0协议的基础上由OneFlow编译发布，译文转载请联系OneFlow获得授权。原文：https://toooold.com/2023/04/08/magnificient_underdogs.html?continueFlag=91058ca99dd78323ff38cb1f8e6b2d7c）

再思考大型语言模型之“大”

LLM指的是“大型语言模型”，通常认为只有足够大的模型才能达到GPT的性能水平。然而，斯坦福的Alpaca提出了一条重要信息：只需对较小模型进行有限的指令调优，同样也能在重要任务中表现良好。这可以分成两个方面来解释：较小的模型和重要任务。

在Alpaca对Llama的7B模型进行指令调优之前，人们普遍认为模型越大，性能才能达到GPT的水平，而且可能需要一个175B的模型才能够与GPT-3相媲美。Alpaca利用Llama的预训练模型为基础，仅使用来自GPT模型的一个非常小的调优数据集（只有52000个样本），建立了一个具有对话功能的LLM。这表明：在拥有良好的指令调优数据集的情况下，只要语言模型足够强大，就可以达到良好的性能，而不需要非常大的模型来匹配GPT-3。

此外，Alpaca和Llama还表明，LLM并不需要在所有任务中表现得很好。例如，Alpaca和Llama 7B在处理编程相关任务时表现不佳，但在对话和一般任务方面表现良好。指令调优提供的逐步方法是，添加更多知识到Alpaca模型中并利用其已学到的对话功能。例如，通过添加额外的2万个编程特定样本，可以让codealpaca在许多编程任务中表现良好。

另一方面，OpenAI展示了其超大型模型的工程债，例如可用时间有限以及ChatGPT Plus客户每3小时只能进行25个查询等等。这些结果表明：较小的LLM可能是更好的选择。

事实上，现在Llama和Alpaca 7B已经能够运行在最便宜的设备上，如Macbook Air、树莓派4和谷歌Pixel 6手机上，因此它们成为了AI时代的新“毁灭战士”。

它能运行LLaMA 7B吗？这会不会是“它能运行Doom吗”的新表述？——@ylecun

更多的ChatGPT开源“平替”加入这场角逐

Llama和Alpaca率先开启了这场角逐，随后更多的LLM模型也加入了其中。它们带来了更多的数据，以改进Alpaca；同时还有更快的调优方法或其他网络结构来代替Llama。

Alpaca需要更多的调优数据。来自“Guanaco: A Multilingual Instruction-Following Language Model Based on LLaMA 7B”（https://github.com/Guanaco-Model/Guanaco-Model.github.io）的Guanaco通过将Alpaca的指令用多种语言重新编写，并添加新的指令以对齐多种语言、理解内容等方式，引入了530k的多语言数据。像“Chinese-Vicuna: A Chinese Instruction-following LLaMA-based Model”（https://github.com/Facico/Chinese-Vicuna）和Chinese-LLaMA-Alpaca（https://github.com/ymcui/Chinese-LLaMA-Alpaca）这样的语言特定模型也提供了优化。源自“Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90% ChatGPT Quality”（https://github.com/lm-sys/FastChat#vicuna-weights）的Vicuna则专注于改进Alpaca的聊天功能。

微软的低秩（Low Rank）采用方式“LoRA”对加速tuning起了很大作用。这个想法很好：它将权重“冻结（freezed）”，但“在Transformer架构的每个层中注入可训练的秩分解矩阵（rank decomposition matrices）”，使得调优速度可以提高3倍。LoRA技术不仅对语言模型有用，它还有助于更快地调优文本到图像任务中的稳定扩散（stable diffusion）模型。（https://github.com/cloneofsimo/lora）

与此同时，Llama在这个框架中并不是那么重要，可以被替换成其他模型。Meta的Llama不允许对任何代码或权重进行商用。为更加独立，Lit-llama编写了Llama推理代码，但它仍需要使用Llama权重。开源社区提供了一些选择，其中GLM和RWKV是最有前途的两个模型。

GLM（https://arxiv.org/abs/2103.10360）是一系列不同尺寸的模型。它采用的方法与Meta的Llama不同，其6B模型具有聊天功能，可称为ChatGLM。与此同时，RWKV非常独特。它没有跟随像GPT中的堆叠式解码器Transformer结构，而是使用了类似RNN的递归网络，因此其上下文长度在理论上是无限的，而且其推理速度更快，内存成本更低。RWKV可以达到Transformer模型的质量，其对话版本可作为ChatRWKV找到。

当然，我们也没有忘记上一代的GPT家族。Databricks开源了他们使用GPT-neox网络结构和应用指令调优的Dolly。结果也不错！

我们可以在Language Model Evaluation Harness框架（https://github.com/EleutherAI/lm-evaluation-harness）中比较LLM的性能，基准在这里 https://bellard.org/ts_server/。截至目前（2023年4月上旬），这场角逐中LLama的表现最好。