训练场,训练创业意识,要重点训练( ),训练创业意识要重点训练什么能力,训练场可以增加英雄熟练度吗

　　光放出基准和测试结果，不提供训练数据、成本、方法，是真的要「赢家通吃」了。

　　眼看大语言模型似乎要被巨头公司垄断，如今忽然杀出一个初创公司，给了OpenAI一枪――用60亿参数的「Dolly」实现了和ChatGPT相似的能力。

　　没错，我们现在只需要准备一些高质量的训练数据，再随便拿一个开源的大语言模型，训练30分钟后，就能得到一个ChatGPT「平替」！

　　对此，Databricks自豪地表示，Dolly的发布，就是自己在人工智能技术民主化道路上打响的第一弹。

　　60亿参数堪比ChatGPT，30分钟就训好

　　由于ChatGPT需要消耗大量的数据和算力资源（利用数万个单词训练，消耗大量GPU），所以这类大语言模型注定只能被少量巨头所掌握。

　　和「CloseAI」相反，Meta在今年3月向学术界发布了一组高质量（但不是指令跟随的）语言模型LLaMA，每个模型的训练时间超过了80,000个GPU小时。

　　随后，斯坦福大学基于LLaMA构建了Alpaca，但不同之处在于，它利用一个包含50,000个问题和答案的小数据集进行了微调。令人惊讶的是，这使得Alpaca具有了类似于ChatGPT的交互性。

　　而Dolly正是受到了Alpaca的启发。

　　更有趣的是，拥有60亿参数的Dolly并没有利用现在最新的模型，而是选择了一个2021年发布的开源模型――GPT-J。

　　由于Dolly本身是一个模型的「克隆」，所以团队最终决定将其命名为「多莉」――有史以来第一个被克隆的动物。

　　与当前的大型语言模型（如GPT-3）相比，Dolly允许用户使用更小、更专业的模型，「复刻」ChatGPT的能力。

　　毕竟对于那些细分用户来说，能够利用针对本行业进行过精调的模型，可以大大增加性能和准确性。

　　尽管Databricks与OpenAI并无直接竞争关系，但它似乎试图通过证明构建类似ChatGPT这样的服务并非看起来那么困难，来抢占OpenAI的风头。

　　尤其是，OpenAI采取了「规模越大越好」的方法来开发语言模型，并对其工作越来越保密。

　　而Databricks除了将Dolly作为开源软件发布外，还强调Dolly只有60亿个参数（在训练过程中微调的语言模型部分），OpenAI的GPT-3模型有1750亿个参数。（OpenAI并未透露GPT-4的参数数量）。

　　让老模型，涅重生

　　根据InstructGPT论文中描述的指令跟随能力对Dolly进行评估后发现，它在很多能力上的表现和ChatGPT十分类似，包括文本生成、头脑风暴和开放式问答。

　　在这些例子中，值得注意的不是生成文本的质量，而是在一个小型的高质量数据集上，微调一个旧的开源模型所带来的指令跟随能力的巨大改进。

　　内容生成

　　比如，写一条Databricks官宣大规模语言模型Dolly发布的推特。

　　可以看到，原始的60亿参数模型（GPT-J）所生成的内容驴唇不对马嘴，而Dolly则给出了一个完全可用的推文――

　　不仅内容符合要求，而且还贴心地加上了标签，以及提醒你记得加入发布的链接。

　　对于这一题，ChatGPT给出的答案也是符合期待的，相比于Dolly，ChatGPT给出的推文包含更多评述性词句，并且给出的标签更加精准具体，但整体差距不大。

　　当要写一条出售Nikon D-750相机的广告时，可以看到，GPT-J所生成的内容基本就在胡编乱造，像是在写小说一样杜撰购买和出售相机的剧情……

　　而Dolly则根据Nikon D-750相机的特点及优势，给出了一则吸引人的相机转卖广告语，但遗憾的是像素参数不对。

　　ChatGPT在这一题上也是圆满完成任务，广告语中突出该款相机的优势，文末仍然贴心地加上了标签。

　　最后一题：给Edgar Allan Poe（爱伦・坡）写一封情书。

　　对此，古早的GPT-J直接拒绝回答，究其原因竟然是――爱伦・坡已经去世了，你不能给私人写情书。

　　而Dolly则成功地完成了任务，效果对比起来堪称「涅」。

　　而这种「创造性」问题，显然是ChatGPT的强项，洋洋洒洒地写了300多个字。

　　开放问答

　　在事实性问题的问答测试上，团队选择了下面这个：「向我解释一下核裂变和核聚变之间的区别。」

　　先不管对错，GPT-J全篇都是在讲太阳如何如何，虽然提到了「聚变」这个词，但完全无视了「裂变」。

　　而Dolly第一句就直接点题――核裂变和核聚变的区别在于释放能量的方式，随后简单解释了他们的不同。

　　相比之下，ChatGPT给出的回答明显要更加翔实。

　　头脑风暴

　　当让它们头脑风暴，给出应该阅读的五本科幻小说的名单，GPT-J则只是在喃喃自语，像是沉浸在了拖延阅读而产生的愧疚情绪中，完全回避了这个提问。

　　Dolly则一如既往的表现稳定，按照指令给出了5本科幻小说的书名及其作者。

　　ChatGPT对于该问题给出了更加丰富的回答，不仅包括书名和作者，还对每一本书的内容、类型作了简要评述和介绍。

　　你要Close，我就Open

　　对于很多公司而言，宁愿自己建立一个不那么强的模型，也不愿将数据发送给那些只提供API的大语言模型供应商。

　　其中一个重要原因便是，这些问题和数据集是公司最敏感和专有的知识产权，直接将其交给第三方显然是不靠谱的。

　　此外，公司自身可能在模型质量、成本和期望行为方面有不同的权衡，一种可定制化的语言模型更加符合需求。

　　现在，Dolly的发布给了他们希望――即便是一个「过时」的开源大型语言模型 (LLM)，也能通过30分的训练，赋予它神奇的类似ChatGPT的指令跟随能力。

　　不难想象，大语言模型或许很快就不是AI巨头公司独占的玩法了！

　　正如公司CEO Ali Ghodsi所说，「我们的信念是，让全世界的每个组织都能利用这些技术。」

4月7日股市分析收评复盘 股市分析2020年05月14日股市解盘

2021年4月7日股市收盘,4月7号股市,4月8日股市收盘,4月9日股市收评

中字头掉队，ChatGPT，AIGC重回舞台中央。

竞价开盘市场交易机会继续指向超跌反弹反向，一是光伏新能源，二是医药消费；

但在10点，市场交易机会与交易风险切换，超跌反弹逻辑瓦解。

竞价开盘交易风险指向的ChatGPT,AIGC获得资金拉升，中字头+数字经济的三大运营商中国移动，中国电信，中国联通拉升，紧接着通信服务，通信设备拉升，新晋级的工业富联涨停，一大批TMT相关标的都被带动起来，相比前两天交易机会主要指向软件，应用层面，今天则是指向算力硬件层面，AI芯片寒武纪，景嘉微，龙芯中科；服务器浪潮信息，中科曙光等纷纷大涨。

这背后推动的资金，则是这两天博弈超跌反弹的资金兑现切换。

高位的ChatGPT主题今天再度拉升是超预期的，而超跌反弹的赛道抱团股走弱也是超预期。

很显然资金不给机构喘气的机会，继续的逼空，砍仓。

但就这种资金混战的盘面来看，更容易跳水。

一边是高位的性价比有但降低，一边是低位的性价比有但不高。

除了存量资金的腾挪博弈，总量资金是不断的减少，2月16日高点的成交量是1.19万亿，3月20日成交高点是1.05万亿。

减量行情，放量跌，缩量涨。

市场重回背离分化格局，交易上，继续控制交易的仓位和频率，等大变盘，防大跳水。

马3月22日交易总结未开新仓，平仓泰格医药，持仓科创50ETF，300ETF认沽期权。未开新仓逻辑，市场地位超跌反弹逻辑在早盘10点钟被瓦解，市场重回ChatGPT为核心的TMT炒作逻辑，不符合盘前计划的做超跌反弹方向。平仓泰格医药逻辑，博超跌反弹，强留弱卖，10点左右市场交易逻辑大切换，顺势平仓。持仓科创50ETF，相对低位，不触及平仓信号，持有为主；持仓认沽期权逻辑，市场重回大背离，大分化，黑周四是考验，一是对冲多头持仓，二是防大跳水风险。总的来看，今天马慕灰籽社，宏观量化跑输市场，认沽期权回撤。

今天ChatGPT主题为核心的TMT如此快卷土重来超预期的强；机构抱团赛道超跌反弹仅一天就夭折超预期的弱。市场节奏变化太快，跟不上就按自己的交易节奏，以慢打快，以短打长。切不可别人赚钱比自己亏钱还难受，盲目追涨杀跌。