来自：量子位
排版：深度学习自然语言处理 公众号

ChatGPT的开源平替来了，源代码、模型权重和训练数据集全部公开。

它叫OpenChatKit，由前OpenAI研究员共同打造。

效果是这样儿的：

可以用简单的语言解释机器学习的概念，也可以回答测试者提出的第二个小问题。

信息提取也难不倒它，比如将一大段计划用表格表示。

据悉，OpenChatKit一共包含200亿参数，在EleutherAI的GPT-NeoX-20B（GPT-3开源替代品）上进行了微调，还可以连接其它API或数据源进行检索等等。

这不，GitHub刚刚上线，就已经获得了800+标星。

有网友感叹“事情进展得也太快了吧”，作者则回应：

安全带系紧，享受“飙车”吧。

来看看它具体怎么玩？

OpenChatKit，你的平替ChatGPT

据介绍，OpenChatKit一共包含4个基本组件：

1、一个指令调优的大型语言模型。

用EleutherAI的GPT-NoX-20B对聊天功能进行了微调，后者在carbon-negative计算上具有4300万条指令。

调整重点是多轮对话、问答、分类、提取和摘要等几个任务。

2、定制配方（recipe）。

用来帮助微调模型使其能够为特定任务提供高精度的结果，只需要准备自己的数据集。

3、一个可扩展的检索系统。

可以让你在推理时从文档存储库、API或其他实时更新信息源添加信息。

4、一个由GPT-JT-6B微调而成的调节模型（moderation model）。可以过滤模型对一些问题的响应。

这样的OpenChatKit可以为各种应用程序创建专用和通用的聊天机器人。

在GitHub上的仓库，你可以找到它的训练代码、测试推理代码以及通过检索增强模型的代码。

具体如何使用？

首先，在开始之前，安好PyTorch和其他依赖项。

先从作者团队的网站（Together）安装Miniconda，然后用此repo根目录下的environment.yml文件创建一个名为OpenChatKit的环境。

由于repo使用Git LFS来管理文件，所以还需要按照他们网站上的说明进行安装，然后运行git lfs install。

接着，关于预训练权重。

GPT-NeoXT-Chat-Base-20B是GPT NeoX的200亿参数变体，它在会话数据集上进行了微调。

作者在Huggingface上的GPT-Next-Chat-Base-20B发布了预训练权重。

数据集方面，OpenChatKit模型是在LAION、Together和Ontocord.ai共同构建的OIG数据集上训练的。

同样，从Huggingface下载数据集，然后在repo的根目录运行以下命令就行：

python data/OIG/prepare.py。

（你也可以贡献新的数据来改善模型效果～）

然后就可以预训练基础模型了。

方法是在根目录用以下命令下载GPT-NeoX-20B模型：

python pretrained/GPT-NeoX-20B/prepare.py

它的权重放在pretrained/GPT-NeoX-20B/EleutherAI_gpt-neox-20b目录中。

下载好之后，执行bash training/finetune_GPT-NeoXT-Chat-Base-20B.sh脚本，开始配置和训练。

训练会启动8个进程，管道并行度为8，数据并行度为1。Checkpoints则将保存到repo根目录的model_ckpts目录中。

在推理之前，请务必将模型转换为Hugginface格式。

为了帮助你测试模型，作者也在这里提供了一个简单的测试命令行工具来进行交互，执行命令：

python inference/bot.py

默认情况下，脚本会在目录下加载名为GPT-NeoXT-Chat-Base-20B model的模型，但我们可以通过—model进行改变。

都弄好之后，在提示符处输入文本，模型就会回复了。

最后，作者还提供了一个用维基百科进行扩展搜索的例子，操作也比较简单，感兴趣的同学可以自行查看。

关于作者

OpenChatKit的归属单位叫Together。

这是一家去年7月才成立的创业公司，专门为AI行业做去中心化的云服务。

CEO是Vipul Ved Prakash，他曾在苹果做了5年高级总监。

CTO是Zhang Ce，苏黎世联邦理工学院计算机专业的助理教授。

据推特博主Itamar Golan称，OpenChatKit的作者包含多位前OpenAI研究员。

总的来说，OpenChatKit开箱即用，擅长多项任务，包括带有上下文的总结和问题回答、信息提取、文本分类等。

但它还不太擅长创意写作（尤其是编长故事）、写代码，以及有时可能会重复响应你的请求、在切换话题时表现迟钝……

不过，正如Together在博客中说的那样：

这个模型不是发布完就完了，它是一个开源项目的开始。

或许我们可以持续关注一波～

那么，如果你感兴趣，传送门在这里：
https://github.com/togethercomputer/OpenChatKit
https://huggingface.co/spaces/togethercomputer/OpenChatKit

参考链接

[1]https://twitter.com/ItakGol/status/1634590622286741504 [2]https://www.together.xyz/blog/openchatkit

---

进NLP群—>加入NLP交流群

知识星球：NLP学术交流与求职群

持续发布自然语言处理NLP每日优质论文解读、相关一手资料、AI算法岗位等最新信息。

加入星球，你将获得：

1. 最新入门和进阶学习资料。包含机器学习、深度学习、NLP等领域。

2. 最新最优质的的论文速读。用几秒钟就可掌握论文大致内容，包含论文一句话总结、大致内容、研究方向以及pdf下载。

3. 具体细分NLP方向包括不限于：情感分析、关系抽取、知识图谱、句法分析、语义分析、机器翻译、人机对话、文本生成、命名实体识别、指代消解、大语言模型、零样本学习、小样本学习、代码生成、多模态、知识蒸馏、模型压缩、AIGC、PyTorch、TensorFlow等细方向。

4. NLP、搜广推、CV等AI岗位招聘信息。可安排模拟面试。