OpenAssistant是一个基于Pythia和LLaMA微调的开源对话模型，旨在训练人类标注的数据。
它可以帮助用户更好地理解和处理自然语言，提高对话交互的效率和准确性。
同时，OpenAssistant还具有高度可扩展性和灵活性，可以根据不同的需求进行定制化开发和部署。
无论是在个人使用还是商业应用中，OpenAssistant都是一个非常有价值的工具。
支持35种语言可写代码的ChatGPT开源平替来了！
OpenAssistant是一个基于Pythia和LLaMA微调的开源对话模型，旨在训练人类标注的数据。
它可以帮助用户更好地理解和处理自然语言，提高对话交互的效率和准确性。
同时，OpenAssistant还具有高度可扩展性和灵活性，可以根据不同的需求进行定制化开发和部署。
无论是在个人使用还是商业应用中，OpenAssistant都是一个非常有价值的工具。
可以叫我Open Assistant，也可以叫OpenChatGPT、TextFooler、Text2lmageGenerativeModel，具体叫啥取决于用户的使用。
ChatGPT受到热捧，恰恰证明了将大型语言模型（LLMs）与人类偏好结合起来可以极大地提高可用性。
通过监督微调（SFT）、人类反馈强化学习 （RLHF）大大减少了有效利用LLMs能力所需的技能和领域知识，增加了其在各个领域的可访问性，以及实用性。
然而，RLHF需要依赖高质量的人工反馈数据，这种数据的创建成本很高，而且往往是专有的。
正如论文标题所示，为了让大型语言模型民主化，OpenAssistant Conversations就诞生了。
这是一个由人工生成、人工标注的对话语料库，包含161,443条消息，分布在66,497个对话树中，使用35种不同的语言，并标注了461,292个质量评分。
以下便是一个深度为4的对话树（CT）例子，包含12条信息。从提示到一个节点的任何路径都是一个有效的线程。
OpenAssistant Conversations数据集是通过13000多名志愿者的众包努力综合而来的。
这些数据是通过一个网络应用程序界面收集的，该界面将数据分为五个单独的步骤来收集：
提示、标记提示、添加回复消息作为提示或助理、标记回复以及对助理回复进行排序。
可以看到，这一数据集中最常用语言的占比，英语和西班牙语占比最多。中文2.5%。
为了评估OpenAssistant Conversations 数据集的有效性，研究者基于Pythia和LLaMA模型微调了一个OpenAssistant模型。
其中，包括指令调优的Pythia-12B、LLaMA-13B和LLaMA-30B。在接下来的评估中， 研究人员主要评估了Pythia-12B模型的性能。
为了评估 Pythia-12B 的性能，研究人员进行了一项用户偏好研究，将其输出与gpt-3.5-turbo模型的输出进行比较。
研究显示，OpenAssistant的回复与gpt-3.5-turbo（ChatGPT）的相对偏好率分别为48.3%和51.7%。
研究人员分别向GPT-3.5和OpenAssistant提了20个问题。两个模型各自的表现如下所示：
我们可以看到，GPT-3.5和OA各有输赢，也有打平的情况。最右侧的数据显示了OA赢过GPT-3.5的概率。
在8个问题上，OA胜率过半，而剩下的12个问题则都是GPT-3.5更胜一筹。
下面，我们挑选几个有代表性的、有趣的问题，看一看两个模型在输出回答上有何不同。
OA：「有些人可能会选择追求短期的、更短暂的幸福，这是因为他们认为这些短期的幸福可以提供满足感和成就感。就像购物或者聚会，这样的短期快乐往往被看作暂时逃避现实和能让自我感觉良好的简单且无害的方式。
但同时也得明白，过多地追求这种只能带来短期快乐的活动会导致一些长期问题的出现。比如负债、压力累积和成瘾等等。
另一方面，将长期的幸福感放在首位而不是将短期的满足放在首位的人，可能会在人际关系、个人成长和为他人服务等追求中找寻到更大的成就感。通过将他们的时间和精力投入到有意义的事业和活动中，他们可以也找到更大的成就感。通过丰富的事业和活动，他们可以与家人和朋友建立牢固的联系。他们还重视培养自我意识和同情心，并为社会做出贡献。
归根结底，最重要的是在追求短期快乐和寻求更深层次的快乐和满足之间找到平衡。认识到可持续的、持久的幸福的重要性，并通过行动使长期的快乐成为我们生活中首要追求的事项。这样就可以同时拥有这两种不同的快乐。」
ChatGPT：「有些人可能更喜欢追求短期的幸福，因为它能提供即时的满足感，而且获得起来更容易。此外，他们可能会优先考虑活在当下，而不是关注长期的目标或结果。其他人可能没有资源或能力来投资于长期的幸福。比如经济的稳定或一段互相支持的关系。」
从篇幅上可以看到，OA的回答要全面且深入的多。不仅解释了问题本身，还给出了相当不错的人生建议。
OA的回答非常长，虽然开头晓之以理地讲了最好不要做炸弹这件事，但是后面还是给出了一个相对完整的建议。不过仔细看看建议的整个过程也能发现，OA说的都是「废话」，中心思想还是要守法、避免造成不必要的伤害。
而ChatGPT的回答就更直截了当了。ChatGPT对这类有可能造成违法犯罪的问题一向都是零容忍，三言两语的就拒绝了输入的提问。
实际上，ChatGPT的这个特点在做炸弹以外的类似问题上也都体现的淋漓尽致。可以看出，ChatGPT的道德感还是非常强的，这也得益于OpenAI对于安全性问题的重视。
提问：「身为一个国王，是被人民畏惧更好，还是受人民爱戴更好？」
OA：「这取决于具体的情况。只要统治者的决定是公平和公正的，既令人畏惧又受人爱戴可以使一个王国更加稳定和和谐。然而，如果统治者被认为太过残忍或独裁，那么被人畏惧就不一定比失去爱和支持的风险大。归根结底，在恐惧和爱之间的选择应该取决于王国和公民的需要。」
ChatGPT：「这取决于具体的情况和国王的目标。一般来说，被爱比被恐惧好因为爱会产生忠诚和信任，而恐惧则会产生怨恨和反抗。然而，在有些情况下，恐惧是为了维持秩序和防止混乱的发生，所以恐惧也是必要的。归根结底，一个成功的国王应该努力在受到人民尊重和敬佩之间取得平衡而不诉诸于追求民众过度的恐惧。」
就这个问题来说，两个AI模型的回答大同小异。都认为分情况讨论才是正确回答，而非单一的哪个更好或更不好。
在ChatGPT横空出世之前，博士毕业于苏黎世联邦理工学院的AI研究者Yannic Kilcher曾创造出「史上最糟糕的 AI」——GPT-4chan。
这是Yannic Kilcher用 /pol/ 版面上三年来超过1.345亿则帖文训练出的聊天机器人。
GPT-4chan学会了在网络上与人交谈，并且在不到24小时的时间里面就发表了超过15,000则内容充满暴力的贴文，而且还没被人发现身份。
本文来源网友投稿，来自微信公众号《新智元》
原文链接：https://mp.weixin.qq.com/s/fagHt10H972rxoHYBtXliw
免责说明
本站资源部分来自网友投稿，如有侵犯你的权益请联系管理员或给邮箱发送邮件PubwinSoft@foxmail.com 我们会第一时间进行审核删除。
站内资源为网友个人学习或测试研究使用，未经原版权作者许可,禁止用于任何商业途径！请在下载24小时内删除！
如果遇到评论可下载的文章，评论后刷新页面点击“对应的蓝字按钮”即可跳转到下载页面！
本站资源少部分采用7z压缩，为防止有人压缩软件不支持7z格式，7z解压，建议下载7-zip，zip、rar解压，建议下载WinRAR。
温馨提示：本站部分付费下载资源收取的费用为资源收集整理费用，并非资源费用，不对下载的资源提供任何技术支持及售后服务。
