0门槛克隆ChatGPT！30分钟训完，60亿参数性能堪比GPT-3.5

此前，不Open的事件，已经引发了坊间的诸多争议。
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，给了一枪——用60亿参数的「Dolly」实现了和相似的能力。
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「平替」！
对此，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，30分钟就训好
由于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「」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，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，这使得具有了类似于的交互性。
而Dolly正是受到了的启发。
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」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。
尽管与并无直接竞争关系，但它似乎试图通过证明构建类似这样的服务并非看起来那么困难，来抢占的风头。
尤其是，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），的GPT-3模型有1750亿个参数。（并未透露GPT-4的参数数量）。

文章插图
让老模型，涅槃重生
根据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，给出的答案也是符合期待的，相比于Dolly，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。
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。