背景等相关方法:
大型语言模型(LLM)表明
语言可以发挥更广泛的作用:
通用助手
的通用接口
,
各种任务指令
可以用语言明确表示
并指导端到端训练有素的神经助手
切换到感兴趣的任务来解决它。
例如,
最近 ChatGPT 和 GPT-4 的成功
证明了对齐 LLM
在遵循人类指令方面的力量,
并激发了人们对开发开源 LLM
的极大兴趣。
这话都是2023年的,没什么意思。
LLaMA
其中,
LLaMA
是一个与 GPT-3
性能相匹配的开源 LLM
。
Alpaca、Vicuna、GPT-4-LLM
利用各种机器生成的高质量指令
跟随样本
来提高 LLM 的对齐能力
,
与专有 LLM 相比,
报告了令人印象深刻的性能。
关键在哪里?关键在,机器生成的高质量指令。
重要的是,这行工作是纯文本的。