开源中文类LLaMA大语言模型汇总

AAI机器之心

于 2024-08-16 17:43:08 发布

阅读量368

点赞数 18

文章标签： llama 语言模型人工智能 langchain RAG 大模型自然语言处理

本文链接：https://blog.csdn.net/AAI666666/article/details/141265826

版权

LLaMA可以说是今年最受欢迎的大语言模型之一，LLaMA的开源带动了大语言模型社区的兴起，许多模型例如Vicuna、Alpaca等应运而生。

然而，由于LLaMA是英文原生模型，对中文的支持较弱，因此训练中文模型需要额外的训练和对齐。本文介绍了笔者在调研过程中整理的一些具有代表性的基于LLaMA中文开源模型，供读者对比这些方案的异同。

背景

在2023年开源大模型排行榜中，LLaMA占据了绝对的榜首地位。由于它使用多达14000亿tokens语料训练，以较小的模型（13B）超过了GPT3（175B）的性能，引起了社区的极大关注。

围绕LLaMA构建的LLM开源社区也随之兴起，其中有对话模型Alpaca、Vicuna，推理框架llama.cpp，训练框架Transformers、 Lighting，应用层框架text-generation-webui、LangChain、ChatLLaMA等都对LLaMA模型进行了适配。因此选用LLaMA模型进行二次开发，不仅有大量现成的解决方案可以参考，在应用层也有很多工具可以直接使用，这为大语言研究和落地带来了源源不断的动力。

然而，汉语作为一种世界互联网中的“小众”语言（仅占总体量约5%），大模型构建时往往不会针对汉语进行设计，例如ChatGPT的汉语能力远弱于英文能力，而LLaMA词表中仅包含少量汉字，并且几乎没有在中文上进行训练。为了在中文上使用LLaMA强大的语言能力，许多研究者提出了相应的解决方案。本文主要盘点中文LLaMA模型，供读者对比这些工作的异同，从而选择更加合适的模型。（按模型发布的时间顺序进行介绍）

Chinese-LLaMA-Alpaca （2023/03/28）

GitHub地址

由哈工大-科大讯飞联合实验室发布，该项目发布了基于LoRA训练的7B和13B 中文LLaMA模型和指令精调的Alpaca模型。其主要特点为，在LLaMA原版词表上，对中文进行了扩充和增量预训练，能够更加有效对中文分词，如下图所示:

在这里插入图片描述

在性能方面，由于该项目使用LoRA训练（仅训练模型少量参数），因此理论上性能上线低于全参数训练的模型。在目前的SuperCLUE琅琊榜（ https://www.superclueai.com/ ）测评中，该模型也处于靠后的位置（15名）

Linly（2023/03/28）

GitHub地址

伶荔-Linly由深圳大学-大数据系统计算技术国家工程实验室发布，提供对话模型 ChatFlow 、基础模型Chinese-LLaMA 。Linly项目的主要特点为，利用文本翻译数据，将LLaMA在英文上强大语言能力迁移到中文上

在这里插入图片描述

为了尽可能提升模型效果，Linly模型没有选择扩充词表，而是直接在LLaMA基础上全参数训练。在从头训练的Linly-OpenLLaMA中，在中文上训练了字词结合tokenizer，并以Apache 2.0 协议开源。

在这里插入图片描述

BELLE（2023/04/19）

GitHub地址

由LianjiaTech发布包括在LLaMA7B基础上增量预训练扩展中文词表的模型，以及基于多样化开源数据训练后的LLaMA-7B模型。该项目提供以LLaMA、BLOOM为底座的多种中文模型以及对应训练数据。此外，还提供详细的分析报告，首次在中文场景上分析了LoRA、词表扩充、数据规模等变量产生的性能影响，对后续研究提供了有价值的依据。

在这里插入图片描述

Ziya-LLaMA（2023.05.17）

huggingface

IDEA研究院发布的姜子牙通用大模型（Ziya-LLaMA-13B-v1），基于LLaMA-13B扩充中文词表，进行千亿token量级的预训练，使模型具备中文能力。再经过500万条多任务样本的有监督微调(SFT)和人类反馈训练（RM+PPO+HFFT+COHFT+RBRS)获得对话能力

在这里插入图片描述

与模型一同提供的还有一个评估集。评估集包括常识类问答、推理、自然语言理解任务、数学、写作、代码、翻译、角色扮演9大类任务，32个子类，共计185个问题

在这里插入图片描述

BiLLa （2023.5.11）

GitHub地址

推理能力增强的中英双语LLaMA模型。主要特点为：1.提升LLaMA的中文理解能力，并尽可能减少对原始LLaMA英文能力的损伤；2. 训练过程增加较多的任务型数据，利用ChatGPT生成解析，强化模型理解任务求解逻辑；3. 全参数训练

在这里插入图片描述

实验结果表明，该项目确实强化了模型的推理能力，但是牺牲了其他方向的性能，例如常识类、强知识类、时事类的问题，更像是牺牲了模型原来内化的知识，来增强了推理能力

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望