总的来说，该测试得出的结论是：MPT 还没有准备好在现实世界中使用，而 Vicuna 对于许多任务来说是 ChatGPT (3.5) 的可行替代品。 前段时间，谷歌的一份泄密文件引发了广泛关注。在这份文件中，一位谷歌内部的研究人员表达了一个重要观点：谷歌没有护城河，OpenAI 也没有。 这位研究人员表示，虽然表面看起来 OpenAI 和谷歌在 AI 大模型上你追我赶，但真正的赢家未必会从这两家中产生，因为一个第三方力量正在悄悄崛起。 这个力量名叫「开源」。围绕 Meta 的 LLaMA 等开源模型，整个社区正在迅速构建与 OpenAI、谷歌大模型能力类似的模型，而且开源模型的迭代速度更快，可定制性更强，更有私密性……「当免费的、不受限制的替代品质量相当时，人们不会为受限制的模型付费。」作者写道。 这些观点在社交媒体上引起了很大争议，其中一个比较大的争议是：那些开源模型是否真的能达到和 OpenAI ChatGPT 或谷歌 Bard 等商业闭源大模型相似的水平？现阶段两个阵营还有多大差距？ 为了探索这个问题，一位名叫 Marco Tulio Ribeiro 的 Medium 博主在一些复杂任务上对部分模型（Vicuna-13B、MPT-7b-Chat VS. ChatGPT 3.5）进行了测试。 其中，Vicuna-13B 是加州大学伯克利分校、卡内基梅隆大学、斯坦福大学、加州大学圣迭戈分校的研究者们提出的一个开源模型，这个模型基于 LLaMA 13B 参数量的版本构建而成，在一项由 GPT-4 打分的测试中表现十分亮眼（参见）。 MPT-7B 是 MosaicML 发布的大型语言模型，遵循 meta 的 LLaMA 模型的训练方案。MosaicML 表示，MPT-7B 与 meta 的 70 亿参数 LLaMA 模型的性能相当。 和它们对比的，自然是大语言模型标杆 ChatGPT。 Marco Tulio Ribeiro 是一位研究员，目前在微软k彩 研究院的自适应系统和交互组工作。他还是华盛顿大学的联合助理教授。这项工作由他和微软的另一位研究员 Scott Lundberg 共同完成。在测试中，他们使用了微软的 k彩guidance 库来帮助设计 prompt。 热身：解方程第一项任务是解简单的多项式方程，这些问题都有标准答案，比较容易评估对错。
k彩注册 k彩

---

这是水淼·PHPWEB站群文章更新器的试用版本更新的文章，故有此标记(2023-05-14 09:27:20)