开源中文类LLaMA大语言模型汇总

LLaMA可以说是今年最受欢迎的大语言模型之一，LLaMA的开源动员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，因此练习中文模型需要额外的练习和对齐。本文先容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占据了绝对的榜首职位。由于它使用多达14000亿tokens语料练习，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，此中有对话模型Alpaca、Vicuna，推理框架llama.cpp，练习框架Transformers、 Lighting，应用层框架text-generation-webui、LangChain、ChatLLaMA等都对LLaMA模型举行了适配。因此选用LLaMA模型举行二次开发，不但有大量现成的解决方案可以参考，在应用层也有许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举行计划，例如ChatGPT的汉语本事远弱于英文本事，而LLaMA词表中仅包含少量汉字，并且险些没有在中文上举行练习。为了在中文上使用LLaMA强大的语言本事，许多研究者提出了相应的解决方案。本文主要盘货中文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举行先容）
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练习的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，对中文举行了扩充和增量预练习，能够更加有效对中文分词，如下图所示:

在性能方面，由于该项目使用LoRA练习（仅练习模型少量参数），因此理论上性能上线低于全参数练习的模型。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-大数据体系计算技能国家工程实验室发布，提供对话模型 ChatFlow 、基础模型Chinese-LLaMA 。Linly项目标主要特点为，利用文本翻译数据，将LLaMA在英文上强大语言本事迁徙到中文上

为了尽大概提升模型效果，Linly模型没有选择扩充词表，而是直接在LLaMA基础上全参数练习。在重新练习的Linly-OpenLLaMA中，在中文上练习了字词结合tokenizer，并以Apache 2.0 协议开源。

BELLE（2023/04/19）

GitHub地址
由LianjiaTech发布包括在LLaMA7B基础上增量预练习扩展中文词表的模型，以及基于多样化开源数据练习后的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练习数据。此外，还提供具体的分析报告，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代价的依据。

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，举行千亿token量级的预练习，使模型具备中文本事。再经过500万条多任务样本的有监督微调(SFT)和人类反馈练习（RM+PPO+HFFT+COHFT+RBRS)获得对话本事

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、自然语言明白任务、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

BiLLa （2023.5.11）

GitHub地址
推理本事增强的中英双语LLaMA模型。主要特点为：1.提升LLaMA的中文明白本事，并尽大概减少对原始LLaMA英文本事的损伤；2. 练习过程增加较多的任务型数据，利用ChatGPT生成解析，强化模型明白任务求解逻辑；3. 全参数练习

实验效果表明，该项目确实强化了模型的推理本事，但是捐躯了其他方向的性能，例如常识类、强知识类、时势类的问题，更像是捐躯了模型原来内化的知识，来增强了推理本事
如何体系的去学习大模型LLM ？

大模型期间，火爆出圈的LLM大模型让程序员们开始重新评估本身的本事。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
究竟上，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，许多中小企业也连续进场！超高年薪，挖掘AI大模型人才！ 现在大厂老板们，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工具的技能人」，毕竟AI期间，谁先尝试，谁就能占得先机！
但是LLM相关的内容许多，现在网上的老课程老课本关于LLM又太少。以是现在小白入门就只能靠自学，学习成本和门槛很高。
针对所有自学碰到困难的同砚们，我帮大家体系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大模型册本、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,