距離 ChatGPT 的最初發布，過去差不多四個月的時間了。在這段期間，ChatGPT 的驚艷表現，讓人直呼 AIGC 是不是要提前實現了。
不過眾所周知的一個秘密是，ChatGPT 不大可能開源，加上巨大的算力投入以及海量的訓練資料等，都為研究界複製其實現過程設下重重關卡。
面對 ChatGPT 的來勢洶洶，開源平替是一個不錯的選擇，它們在實現相似功能的同時，還能讓你透過替代品了解 ChatGPT 的運行機理。
隨著技術的進步，現在已經出現了許多其他類似 ChatGPT 的新 AI 模型。本文我們將為大家盤點 ChatGPT 的開源平替專案。內容將分為兩部分，一部分為類別 ChatGPT 開源專案匯總，另一部分是對該專案匯總的補充。
專案作者 nichtdax 整理了 9 個開源的 ChatGPT 平替專案。接下來會一一介紹。
#專案網址：https://github.com/nichtdax/awesome -totally-open-chatgpt
PaLM-rlhf-pytorch
第一個專案是「PaLM-rlhf-pytorch」，計畫作者為Phil Wang。該專案是在 PaLM 架構之上實現 RLHF（人類回饋的強化學習），它基本上是使用 PaLM 的 ChatGPT。
該專案已在 GitHub 上獲得了 5.8k 的 Stars。
#專案位址：https://github.com/lucidrains/PaLM-rlhf- pytorch
下圖為訓練流程。
第二個項目是「OpenChatKit」，它提供了一個強大的開源基礎，為各種應用程式創建專用和通用的聊天機器人。該 kit 包含了一個經過指令調優的 200 億參數語言模型、一個 60 億參數調節模型和一個涵蓋自訂儲存庫最新回應的可擴展檢索系統。
OpenChatKit 是在 OIG-43M 訓練資料集上訓練的，該資料集是 Together、LAION 和 Ontocord.ai 三者的聯合。專案作者表示，這不僅是一個模型的發布，也是一個開源專案的開始。他們正在發布一套工具和流程，並透過社群貢獻持續改進。
該專案已在 GitHub 上獲得了 5.7k 的 Stars。
#專案網址：https://github.com/togethercomputer/OpenChatKit
第三個項目是“text-generation-webui”，它是一個用於運行GPT-J 6B、OPT、GALACTICA、LLaMA 和Pygmalion 等大語言模型的gradio web UI。該專案旨在成為文本生成領域的 AUTOMATIC1111/stable-diffusion-webui。
功能包括使用下拉式選單在不同模型之間切換、提供類似OpenAI playground 的筆電模式、用於對話和角色扮演的聊天模式、為GPT-4chan 產生漂亮的HTML 輸出等等。
該專案已在 GitHub 上獲得了 3.4k 。
#專案位址：https://github.com/oobabooga/text-generation- webui
第四個專案是「KoboldAI-Client」，它是一個基於瀏覽器的前端，透過多個本地和遠端AI 模型實現AI 輔助寫作。
KoboldAI-Client 提供了一系列標準的工具，包括記憶體、作者註解、世界資訊、儲存& 載入、可調節的AI 設定、格式化選項以及匯入現有文字冒險遊戲《AI Dungeon》的能力。你可以開啟 Adventure 模式，也可以玩 AI Dungeon Unleashed 之類的遊戲。
該專案已在 GitHub 上獲得了 1.4k。
#專案位址：https://github.com/KoboldAI/KoboldAI-Client
第五個項目是“Open-Assistant”，它旨在讓每個人都可以存取基於聊天的大語言模型。計畫作者希望藉此在語言創新方面掀起一場革命，就像 stable diffusion 幫助世界以新的方式創造藝術和圖像一樣。
專案作者計畫收集高品質人工產生指令執行樣本（指示 回應），目標大於 50k。對於收集到的每個指示，他們將採樣多個補全結果。接下來進入基於指示和獎勵模型的 RLHF 訓練階段。
該專案已在 GitHub 上獲得了 19k 的 Stars。
#專案網址：https://github.com/LAION-AI/Open- Assistant
第六個項目是“stanford_alpaca”，它旨在建立和共享一個指令遵循的LLaMA 模型。該 repo 包含了用於微調模型的 52k 資料、用於生成資料的程式碼以及用於微調模型的程式碼。
該專案已在 GitHub 上獲得了 9.5k 的 Stars。
#專案網址：https://github.com/tatsu-lab/stanford_alpaca
第七個專案是“ChatRWKV”，它類似於ChatGPT，但由RWKV（100% RNN）模型支持，並且是開源的。專案作者表示，RWKV 是目前唯一能在品質和擴展方面媲美 transformers 的 RNN 模型，同時速度更快、節省 VRAM。
該專案已在 GitHub 上獲得了 3.5k 的 Stars。
#專案位址：https://github.com/BlinkDL/ChatRWKV
#第八個項目是由清華技術成果轉化的公司智譜AI 開源、支援中英雙語的對話語言模型“ChatGLM-6B”，基於General Language Model (GLM) 架構，具有62 億參數。結合模型量化技術，使用者可以在消費級的顯示卡上進行本地部署（INT4 量化等級下最低只需 6GB 記憶體）。
ChatGLM-6B 使用了和 ChatGPT 相似的技術，針對中文問答和對話進行最佳化。經過約 1T 標識符的中英雙語訓練，輔以監督微調、反饋自助、人類反饋強化學習等技術的加持，62 億參數的 ChatGLM-6B 已經能產生相當符合人類偏好的答案。
不過由於ChatGLM-6B 的規模較小，目前已知其具有相當多的局限性，如事實性/ 數學邏輯錯誤、可能生成有害/ 有偏見內容、較弱的脈絡能力、自我認知混亂、以及對英文指示生成與中文指示完全矛盾的內容。
該專案已在 GitHub 上獲得了 6k 的 Stars。
#專案位址：https://github.com/THUDM/ChatGLM-6B
第九個專案是「xmtf」，包含了創建論文《Crosslingual Generalization through Multitask Finetuning》中介紹的BLOOMZ、mT0 和xP3 的所有元件。
其中BLOOMZ 是一個1760 億參數且可開放獲取的多語言模型；mT0（這裡特指谷歌的T5X）；xP3 是46 種語言的有監督資料集，帶有英文和機器翻譯的prompts。
#專案位址：https://github.com/bigscience-workshop/xmtf
除了上述提到的模型，ChatGPT 平替專案還包括基於Meta 開源的大模型系列 LLaMA（Large Language Model Meta AI）的一些研究，這個系列模型的參數量從70 億到650 億不等。具有130 億參數的LLaMA 模型「在大多數基準上」可以勝過GPT-3（ 參數量達1750 億），而且可以在單塊V100 GPU 上運行；而最大的650 億參數的LLaMA 模型可以媲美谷歌的Chinchilla-70B 和PaLM-540B。
基於此研究，開發者也提出了幾個開源專案。
llama.cpp 專案實現了在MacBook 上運行LLaMA，還有開發者成功的在4GB RAM 的樹莓派上運行了LLaMA 7B。總結而言，即使開發者沒有 GPU ，也能運行 LLaMA 模型。
#專案網址：https://github.com/ggerganov/llama.cpp
ChatLLaMA
#由於 LLaMA 大模型系列沒有使用 RLHF 方法，因此新創公司 Nebuly AI 開源了 RLHF 版 LLaMA（ChatLLaMA）的訓練方法。它的訓練過程類似 ChatGPT，該計畫允許基於預訓練的 LLaMA 模型建立 ChatGPT 形式的服務。與ChatGPT 相比，LLaMA 架構更小，但訓練過程和單GPU 推理速度更快，成本更低；該庫還支援所有的LLaMA 模型架構（7B、13B、33B、65B），因此用戶可以根據訓練時間和推理性能偏好對模型進行微調。
#專案位址：https://github.com/nebuly-ai/nebullvm/ tree/main/apps/accelerate/chatllama
期待後續更多開源專案加入。
以上是還在為玩不了ChatGPT苦惱？這十幾個開源平替也能體驗智慧對話的詳細內容。更多資訊請關注PHP中文網其他相關文章！
