参考链接：https://mp.weixin.qq.com/s/OK5NLLVSBLb-4QsnqGp45g

简要介绍

以 Meta 开源 LLaMA（直译为「大羊驼」）系列模型为起点                 ，研究人员逐渐研发出基于LLaMA的Alpaca（羊驼）  
  
  
  
  
  
  
  
 、Alpaca-Lora 
  
  
  
  
  
  
  
  、Luotuo（骆驼）等轻量级类 ChatGPT 模型并开源                 。

近日 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，研究者们又提出了一个新的模型：Vicuna（小羊驼） 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。该模型基于LLaMA















，参数量13B















。Vicuna-13B 就是通过微调 LLaMA 实现了高性能的对话生成

有趣的是
  
  
  
  
  
  
  
  
 ，在该模型的评测环节中 
  
  
  
  
  
  
  
 ，作者没有通过某种“标准化考试                 ”来测定模型性能 


 


 


 


 


 


 


 


 
，而是让GPT-4当考官
 
 
 
 
 
 
 
 
，看看 GPT-4 更倾向于 Vicuna-13B 还是其他基线模型的答案
  
  
  
  
  
  
  
  
 。结果显示  
   
   
   
   
   
   
   
  ，相比于现有的 SOTA 开源模型（LLaMA


 


 


 


 


 


 


 


 

、Alpaca） 

 

 

 

 

 

 

 

 
，GPT-4 在超过 90% 的问题中更倾向于 Vicuna

 

 

 

 

 

 

 

 
，并且 Vicuna 在总分上达到了 ChatGPT 的 92% 
  
  
  
  
  
  
  
 。

Vicuna（小羊驼）已开源                 ，项目地址：https://github.com/lm-sys/FastChat

PS：浅浅玩了一下 


 


 


 


 


 


 


 


 
。总结：虽然没有chatGPT厉害 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，但是也不能算差了吧！而且开源是真香：）

模型介绍

数据来源

Vicuna 使用从 ShareGPT 收集的用户共享数据对 LLaMA 模型进行微调
 
 
 
 
 
 
 
 
。从 ShareGPT 收集了大约 7 万个对话  
   
   
   
   
   
   
   
  。ShareGPT 是一个 ChatGPT 数据共享网站
















，用户会上传自己觉得有趣的 ChatGPT 回答 

 

 

 

 

 

 

 

 
。

模型评估方法

该研究创建了 80 个不同的问题                         ，并利用 GPT-4 来初步评估模型的输出质量 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，其中将每个模型的输出组合成每个问题的单个 prompt

 

 

 

 

 

 

 

 
。然后将 prompt 发送到 GPT-4
























，由 GPT-4 来根据有用性 
 
 
 
 
 
 
 
、相关性  
   
   
   
   
   
   
   
   、准确性和细节来评估上述模型生成的答案质量                 。

下面是小羊驼-13B和其他模型的一些比较：

模型局限性

不擅长推理或数学任务                 ，还有在输出信息的准确性和偏见等方面存在缺陷 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。

模型总体评价

作为一个开源模型 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，性能总体上可以达到 ChatGPT 的 90%















，已经非常难得
  
  
  
  
  
  
  
  
 ，并且成本较低 
  
  
  
  
  
  
  
 ，只需 300 美元
















。