- 我的订阅
- 科技
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
首个“开源chatgpt”来了：基于谷歌5400亿参数大模型
就说程序员的手速有多快吧，首个开源ChatGPT项目已经出现了！
基于谷歌语言大模型PaLM架构，以及使用从人类反馈中强化学习的方法（RLHF），华人小哥 PhillipWang 复刻了一个ChatGPT出来。
项目GitHub星已经超过1.7k了，而且还在一路飙升ing。
不过一反常态的是，网友们看到“开源ChatGPT”却没有火速开冲，反倒齐刷刷在发问：
这……有人能run？
开源了但没完全开？
项目的核心内容，是在PaLM架构上实现基于人类反馈的强化学习。
其中，PaLM（PathwaysLanguageModel）是谷歌在今年4月发布的 5400亿参数全能大模型，基于Pathways系统训练，BERT之父JacobDevlin为主要贡献者之一。
PaLM可以完成写代码、聊天、语言理解等任务，并且在大多数任务上实现了SOTA少样本学习性能。
另一个核心点是RLHF“从人类反馈中强化学习”。
OpenAI提出InstructGPT时就用到了这一方法，它能让AI的回答更加符合情景要求，降低“有害性”。
具体分三步：
第一步，找一些人写下示范答案，来微调GPT-3模型，训练监督模型baseline。
第二步，收集某个问题的几组不同输出数据，由人类对几组答案进行排序，在此数据集上训练奖励模型。
第三步，使用RM作为奖励函数，近端策略优化（PPO）算法微调GPT-3策略，以强化学习方法最大化奖励。
ChatGPT 使用的GPT-3.5，其中text-davinci-002就是在code-davinci-002的基础上，采用了InstructGPT训练方法改进得到。
正是基于如上两方面核心内容，作者实现了ChatGPT的复刻。
大致步骤有3步：
首先来训练一下PaLM，就和其他自回归Transformer一样。
第二……
等等，训练PaLM？？？这确定不是在开玩笑？
现在明白为啥大家都觉得这个开源项目完全不能run了……
打个不恰当的比方，这就像如果想吃熊肉，那先自己去打头熊来。
项目中只有PaLM架构和代码，没有预先训练好的权重。
所以完成第一步，大概效果就是……
话虽如此，但还是继续接着往下看看……
第二步，就要训练基于RLHF的奖励模型了。作者使用的是一种轻量级训练大语言模型方法LoRA，这种方法是开源的。
然后，再把之前训练好的模型和奖励模型用强化学习进行微调。
经过这三步后，就能得到一个开源版的ChatGPT了。
这中间面临的问题包括巨大的计算量、超大模型和难收集的文本……所以有人也不免发问：
有没有一种可能，它也没啥用？
不过有网友觉得这本质上还是一件好事啦。
AI的一个关键区别就是，每有一个重大突破，很快就会出现一个开源版本。
实际上，开源项目作者小哥PhilipWang一直都热衷于复刻各种明星项目，过去还尝试过Dall・E2、AlphaFold2等。
以及LAION也发起了一个类似项目 OpenAssistant，他们将通过“众筹脑力”的方式，共同开发一个开源的聊天AI。
StableDiffusion用的开放数据集，就是这一组织做的。
感兴趣的童鞋不妨去试试看~
以上内容为资讯信息快照，由td.fyun.cc爬虫进行采集并收录，本站未对信息做任何修改，信息内容不代表本站立场。
快照生成时间：2022-12-30 22:45:08
本站信息快照查询为非营利公共服务，如有侵权请联系我们进行删除。
信息原文地址：
