2023年11月20日 每日一猜答案：。 答案：ABC。
每日一猜答案分析：

前段时间，元语智能开发团队训练了一个类似ChatGPT的功能型对话大模型ChatYuan，并在网页版中开放了试玩接口。

现在你也可以在自己的机器上部署一个ChatYuan了！

模型可用于问答场景，能够结合上下文做对话、做各种生成任务，包括创意性写作，也能回答法律、新冠等领域类问题。

并且在全中文任务中支持零样本学习，用户可以通过提供prompt的方式来使用，支持文本生成、信息抽取和理解大类下近30多种中文任务。

ChatYuan基于PromptCLUE-large结合数亿条功能问答和多轮对话数据进一步训练得到，模型参数量7.7亿，显存6G左右，一张民用显卡即可加载使用，目前模型已开放下载。

PromptCLUE在1000亿token中文语料上预训练，累计学习1.5万亿中文token，并且在数百种任务上进行Prompt任务式训练。

针对理解类任务，如分类、情感分析、抽取等，可以自定义标签体系；针对多种生成任务，可以进行采样自由生成。

如何使用

1. Github

项目地址：【【网址】】/clue-ai/ChatYuan

2. Huggingface

项目地址：【【网址】】/ClueAI/ChatYuan-large-v1

3. 【【微信】】

项目地址：【【网址】】/models/ClueAI/ChatYuan-large

加载模型：

使用模型进行预测推理方法：

4. PaddlePaddle

项目地址：【【网址】】/aistudio/projectdetail/5404182

模型地址：【【网址】】/ClueAI/ChatYuan-large-【【微信】】?

使用自有数据训练模型

1. 组织数据

将数据组织成统一的格式，由两部分构成：输入（Input）和输出（Output）。

针对单轮问答或生成：

输入（Input）：任务描述+输入文本

输出（Output）：系统需要预测的文本，如下图中「小元」后的内容。

针对多轮对话：

输入（Input）：任务描述+上文+输入文本

输出（Output）：系统需要预测的文本，如下图中「小元」后的内容。

单轮对话数据格式：

多轮对话数据格式：

2. 训练模型

训练代码可以参考：

使用pCLUE数据集进行训练、预测和效果验证, pytorch实现――在线colab。

Github项目：【【网址】】/drive/1【【微信】】t_iMaojH1MP_?usp=sharing

举个例子

==========示例1==========

用户：

你能干什么

小元：

您好！我是元语AI。我可以回答您的问题、写文章、写作业、翻译，对于一些法律等领域的问题我也可以给你提供信息。

==========示例2==========

用户：

写一个诗歌，关于冬天

小元：

冬夜寂静冷，

云在天边飘，

冰封白雪上，

寒冷像一场雪。

雪花融化成冰，

像那雪花飘洒，

在寒冷的冬天，

感受春天的喜悦。

冬日里，

风雪渐消，

一片寂静，

把快乐和温暖带回家。

==========示例3==========

用户：

学前教育专业岗位实习中，在学生方面会存在问题，请提出改进措施。800字

小元：

在学前教育专业岗位实习中，在学生方面会存在一些问题，如学生缺少专业知识、缺乏合作意识、缺乏基本的责任心等等，需要我们采取措施，来解决这些问题。

首先，在实习过程中，我们需要培养学生的团队意识，加强学生与老师之间的合作，加强与家长之间的沟通，提高他们的沟通能力。另外，我们也需要加强学生的独立性，让学生学会独立思考，学会和老师、家长进行沟通，培养其独立性。

此外，在日常的工作中，我们也要为学生提供适当的机会和机会，让学生多接触社会、多参加社会活动，加深他们对社会、学校的认识，培养他们主动、积极和创新的精神。

最后，我们还需要重视学生在实习中出现的问题，尤其是学生缺乏合作，有依赖心理，不懂得分享，有拖延行为等，这些学生应该引起我们的重视，制定合理的改进措施，改善这些问题。

技术与训练过程

ChatYuan是在PromptCLUE基础上进一步训练获得的模型。它去掉了文本理解、信息抽取类任务，加强了问答、对话和各种生成式任务的学习和训练；

针对多轮对话容易受到上下文的干扰，加入了抗干扰数据使得模型可以在必要时忽略无关的上下文；加入了用户反馈数据的学习，使得模型不仅具有一定的通用语言理解能力、特定任务上的生成能力，也能更好的响应用户的意图。

PromptCLUE的学习过程

1. 三大统一：统一模型框架（text-to-text），统一任务形式（prompt），统一应用方式（zero-shot/few-shot）（T0）
2. 大规模预训练：在t5-large版基础上，使用数百G中文语料，训练了100万步，累积训练了1.5万亿个中文字词级别token
3. 大规模任务数据：使用了16种任务类型，数百种任务，累积亿级别任务数据
4. 混合预训练：一方面将下游任务作为预训练语料，另一方面将下游任务和预训练语料一起训练，减少任务灾难遗忘以及缩短预训练和下游任务的距离，更好的适应下游任务（ExT5）
5. 混合采样：针对众多数据量差异极大的任务，采用在每个训练batch内对所有的任务进行按照比例采样，根据任务的数据量进行平滑采样，并且同时限制任务数据量采样池的上限。平滑采样可以减少任务训练有偏危害，在每一batch内训练可以减少异质任务之间训练负迁移的情况（T5）
6. 分阶段训练：一方面指在预训练分阶段，涉及训练序列长度的分阶段（128和512），加快预训练速度（Bert）；另一方面，在下游训练分阶段， 涉及学习率和序列长度的变化以及递减式对下游任务的数据量限制，更好的适应下游的不同任务。
7. 增加语言模型的训练：参考t5.1.1, 除了使用Span Corrpution构建的方式进行无监督训练，同时在使用prefix LM的方式训练，增强生成任务的能力（LM adapted）
8. 增加对模型的【【微信】】以及decoder的训练：根据下游任务数据分别构建Data_text,Data_target预训练数据语料，加入到预训练中，分别增强模型的【【微信】】理解能力和 decoder的生成能力（见UIE）
9. 重新构建模型中文字典：使用sentencepiece上在千亿token上学习并构建模型字典，更加符合中文语言习惯

后续工作

目前版本可以进行问答、对话和各种创意性写作或文本生成，相对于线上的版本，它的意图理解和生成能力在一些场合还有比较大的提升空间；它也还不能较好实现推理或复杂的任务。之后，会根据反馈进一步改进现有版本。

以上就是部署国产ChatGPT仅需6G显存！ChatYuan模型开放下载：业内首个功能型对话开源中文大模型的详细内容，更多请关注php中文网其它相关文章！

chatgpt潜在军事应用价值分析 阿里版chatgpt邀请码如何获取

这段时间，科技领域最火爆的话题，除了 ChatGPT ，应该无唯二之选了，尤其是 GPT4 的发布以及宣布的插件功能，再次引爆了全网的话题，我也看到不少人在讨论：

ChatGPT 来临，是不是代表部分岗位要被淘汰了？这次 AI 变革，到底是风口还会机遇？AI 真的能彻底取代程序员吗？

虽然说 ChatGPT 的降临确实引发了不小的争议，这同时也标志着人工智能（AI）大模型已成为最新的技术变革方向。

当然，以现在经济和时间条件，从头开始做一个像 ChatGPT 这样的基础大模型显然是不太可能。

但能够预料的是，基于现有大模型，去抢先开发一些重要的应用服务，发展空间绝对小不了，而且在未来几年 AI 领域的应用开发也将会是就业市场中最火热的岗位。

并且，随着 GPT-3 / 4 等预训练好的大语言模型的出现，一方面能让你我可以在没有机器学习的理论下，就能在短期内快速开发出一个有实用价值的 AI 应用。

最近，我就在 GitHub 上看到不少开发者只花了 1-2 天时间就做出来了图书翻译、人工智能语音对话等应用，甚至刚上线就已经开始赚钱了。

另一方面，也让对应的技术能在更广泛的范围内应用，几乎未来你遇到的所有问题都有可能通过 AI 来解决优化。

说了这么多，到底该如何快速跟上时代节奏，掌握新一代的 AI 应用开发技术呢？我在网上搜了一圈，也没找到比较系统的内容，正好发现同事最近在看的 bothub 创始人「徐文浩」的极客时间新专栏《AI 大模型之美》，就是讲新一代 AI 应用开发的，我也立马入手看了看。

这真是一个完全走实践路子的专栏！每一节课，文浩老师都提供了可直接运行的代码，来解决一个实际场景问题。据说更新完，能有整整 30 段实用代码，还会告诉你使用 AI 的套路，学完即可放到现有业务中。

相信只要我们能跟着走一遍，利用新一代 AI 强大的能力去开发各种应用都得属于基操。而且他还写了不少对于最新 AI 发展趋势的洞察，丰富技术实力的同时，也拓宽了技术视野。

扫码免费试读

如果你也想以最快的速度跟上 AI 大模型时代潮流，掌握 AI 应用开发最核心的技能，一定不要错过这个专栏。

再跟大家聊聊「徐文浩」

AI 领域的前沿开拓者：这个专栏的作者是徐文浩，他是 bothub.ai 创始人，布奇托网络科技创始人及 CTO，也是国内较早入场 AI 人工智能领域的前辈。

非常令我佩服的是，在 16 年他毅然离开了发展势头很猛的拼多多，自己创办了 bothub.ai，一家 AI 聊天机器人公司，为走向海外的中国企业提供智能客服和社交网络营销服务，他的技术前瞻性可见一斑。当然也正是有了 AI 聊天机器人的创业经历，使得他在 AI 应用开发领域具有相当的话语权以及丰富的前沿实战经验。

扎实的技术功底：同时也不得不提他的另外两门爆款专栏《深入浅出计算机组成原理》《大数据经典论文解读》，真的「太会讲了」，不管是对底层知识剖析、还是对技术的洞见，都非常深厚。目前这两个专栏已经有超过 80000 人学习了，同样值得你空闲时间去看看。