点击下方卡片,关注“CVer”公众号
AI/CV重磅干货,第一时间送达
转载自:机器之心
Hugging Face 基于 300 亿参数的开源模型构建了聊天机器人 HuggingChat。
ChatGPT 的问世改变了聊天机器人领域的格局,它强大的功能令人惊叹,但 OpenAI 几乎不可能将其开源。为了追赶 ChatGPT,开源社区做了很多努力。包括 Meta 开源的 LLaMA 系列模型及其二创等等。一些开源模型在某些方面的性能已可与 ChatGPT 媲美。
现在,构建了大型开源社区的 AI 初创公司 Hugging Face 宣布推出开源聊天机器人 HuggingChat。与 ChatGPT 类似,HuggingChat 可以完成一些复杂的生成任务,包括编写代码、起草电子邮件、创作歌词等等。
HuggingChat 地址:https://huggingface.co/chat/
英伟达 AI 科学家 Jim Fan 称赞道:「HuggingChat 是 ChatGPT 的开源替代品」,并表示「如果后续开发成应用程序,Hugging Face 比 OpenAI 更具优势」。
HuggingChat 本质上是一个用户界面,其背后由非营利组织 LAION 开发的对话模型 OpenAssistant/oasst-sft-6-llama-30b 作支撑,可以借助 Hugging Face 的 API 与现有应用程序和服务集成。oasst-sft-6-llama-30b 是 Open Assistant 团队基于 Meta 的 LLaMA-30B 微调的语言模型,拥有 300 亿参数。
OpenAssistant 项目地址:https://github.com/LAION-AI/Open-Assistant
OpenAssistant 项目最初是 2022 年 12 月创建的,其目标不只是复制 ChatGPT,研究团队还希望 OpenAssistant 能发展成一个可在消费级硬件上运行的工作助手,小巧而高效。此外,该团队还构建了一个 OpenAssistant Conversation 语料库,支持 35 种语言。
我们来看一下基于 OpenAssistant 的 HuggingChat 有哪些具体功能。
HuggingChat功能测试
我们从基本问答、数学计算、代码生成等方面测试了 HuggingChat 的能力。
首先,我们询问 ChatGPT 对内容生产有哪些影响,HuggingChat 从三个方面给出了回答:提高内容生产效率;信息检索与摘要;处理简单的工作。这个回答条理清晰,语言流畅。
然后我们询问其模型有多少参数,HuggingChat 非常谨慎,表示「不能透露技术细节,但是可以提供 API」。
在数学计算方面,我们测试发现 HuggingChat 不仅可以计算出正确结果,还能清楚地用自然语言描述计算过程,符合逻辑:
编程方面,我们用一个简单的例子 —— 判断一个数是否为奇数,测试了 HuggingChat 生成代码的能力。结果表明,HuggingChat 不仅可以生成符合要求的代码,还对代码给出了详尽正确的解释。
总体来看,HuggingChat 具备与 ChatGPT 类似的能力,并且生成结果可以在一定程度上媲美 ChatGPT。
当然,与所有文本生成模型一样,HuggingChat 生成的回答是随机的,可能会出现错误或者虚假信息。例如,当我们询问推特的 CEO 是谁,它只答对了一半:伊隆・马斯克的确是现任 CEO,但上一任 CEO 并不是 Jack Dorsey。
看来,想让模型生成的回答准确、高质量,HuggingChat 等聊天机器人还有很长的路要走。
HuggingChat 现已开启线上测试,感兴趣的读者快去试试吧。
参考链接:https://techcrunch.com/2023/04/25/hugging-face-releases-its-own-version-of-chatgpt/
最新CVPR 2023论文和代码下载
后台回复:CVPR2023,即可下载CVPR 2023论文和代码开源的论文合集
后台回复:Transformer综述,即可下载最新的3篇Transformer综述PDF
目标检测和Transformer交流群成立
扫描下方二维码,或者添加微信:CVer333,即可添加CVer小助手微信,便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注:研究方向+地点+学校/公司+昵称(如目标检测或者Transformer+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群
▲扫码或加微信号: CVer333,进交流群
CVer计算机视觉(知识星球)来了!想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料,欢迎扫描下方二维码,加入CVer计算机视觉,已汇集数千人!
▲扫码进星球
▲点击上方卡片,关注CVer公众号
整理不易,请点赞和在看