AI HOT 精选

LMSYS 发布开源聊天模型 Vicuna-13B,用 ShareGPT 对话微调 LLaMA,训练成本约 $300

6.9内容质量

TL;DR · AI 摘要

LMSYS 发布开源聊天模型 Vicuna-13B,用 ShareGPT 对话微调 LLaMA,训练成本约 $300 · AIHOT LMSYS:Blog...

核心要点

  • 主题聚焦:LMSYS 发布开源聊天模型 Vicuna-13B,用 ShareGPT 对话微调 LLaMA,
  • 来源:AI HOT 精选,建议结合原文判断细节。
  • AI 分析暂不可用,本条为保底评分与摘要。
#AI#后端#安全#开源
打开原文

LMSYS 发布开源聊天模型 Vicuna-13B,用 ShareGPT 对话微调 LLaMA,训练成本约 $300 · AIHOT

LMSYS:Blog

·

2026-10-03 23:50

1 小时前

精选

AI 评分

79

LMSYS 发布开源聊天模型 Vicuna-13B,用 ShareGPT 对话微调 LLaMA,训练成本约 $300

Blog Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90% ChatGPT Quality We introduce Vicuna-13B, an open-source chatbot trained by fine-tuning LLaMA on user-shared conversations collected from ShareGPT. Preliminary evaluation using GPT-4 as a judge shows Vicuna-13B achiev... The Vicuna Team March 30, 2023

AI 导读

LMSYS 团队发布 Vicuna-13B,通过约 70K ShareGPT ç”¨æˆ·å ±äº«å¯¹è¯å¾®è°ƒ LLaMA,训练成本约 $300ï¼Œä»£ç ã€æƒé‡å’Œåœ¨çº¿ demo ä»¥éžå•†ä¸šè®¸å¯å ¬å¼€ã€‚GPT-4 ä½œä¸ºè¯„å®¡çš„åˆæ­¥è¯„ä¼°æ˜¾ç¤ºå ¶è¾¾åˆ° ChatGPT/Bard 90% 以上质量,在 45% 问题上不逊于 ChatGPT;团队同时提出基于 GPT-4 çš„è‡ªåŠ¨è¯„æµ‹æ¡†æž¶ï¼Œå¹¶è¯´æ˜Žå ¶å°šéžä¸¥è°¨æ–¹æ³•ã€‚

推荐理由

原文给出训练数据、成本和 GPT-4 è¯„å®¡æ–¹æ³•ç­‰ç»†èŠ‚ï¼Œè¯»è€ å¯æ®æ­¤äº†è§£æ—©æœŸå¼€æºå¯¹è¯æ¨¡åž‹çš„å¤çŽ°è·¯å¾„ä¸Žè¯„æµ‹æ€è·¯ã€‚

正文 · AI 翻译

我们推出 Vicuna-13B,一个开源聊天机器人,通过在 ShareGPT æ”¶é›†çš„ç”¨æˆ·å ±äº«å¯¹è¯ä¸Šå¾®è°ƒ LLaMA 训练而成。使用 GPT-4 作为评判的初步评估显示,Vicuna-13B 达到了 OpenAI ChatGPT 和 Google Bard è¶ è¿‡ 90%* çš„è´¨é‡ï¼ŒåŒæ—¶åœ¨è¶ è¿‡ 90% * çš„æƒ å†µä¸‹ä¼˜äºŽ LLaMA 和 Stanford Alpaca ç­‰å ¶ä»–æ¨¡åž‹ã€‚è®­ç»ƒ Vicuna-13B 的成本约为 300 ç¾Žå ƒã€‚ ä»£ç  和 权重 ,以及在线 演示 ï¼Œå‡å·²å ¬å¼€ä¾›éžå•†ä¸šä½¿ç”¨ã€‚

Vicuna(由 stable diffusion 2.1 生成)

*æ ¹æ®ä¸€é¡¹æœ‰è¶£ä¸”éžç§‘å­¦çš„ GPT-4 è¯„ä¼°ã€‚éœ€è¦è¿›ä¸€æ­¥ä¸¥æ ¼è¯„ä¼°ã€‚

Vicuna 有多好?

在用 70K ç”¨æˆ·å ±äº«çš„ ChatGPT 对话微调 Vicuna 后,我们发现与 Alpaca 相比,Vicuna èƒ½å¤Ÿç”Ÿæˆæ›´è¯¦ç»†ã€ç»“æž„æ›´æ¸ æ™°çš„ç­”æ¡ˆï¼ˆè§ä¸‹æ–¹ç¤ºä¾‹ï¼‰ï¼Œè´¨é‡ä¸Ž ChatGPT 相当。

然而,评估聊天机器人从来都不是一项简单的任务。 随着 GPT-4 çš„æœ€æ–°è¿›å±•ï¼Œæˆ‘ä»¬å¥½å¥‡å ¶èƒ½åŠ›æ˜¯å¦å·²è¾¾åˆ°ç±»äººæ°´å¹³ï¼Œä»Žè€Œèƒ½å¤Ÿå®žçŽ°ç”¨äºŽåŸºå‡†ç”Ÿæˆå’Œæ€§èƒ½è¯„ä¼°çš„è‡ªåŠ¨åŒ–è¯„ä¼°æ¡†æž¶ã€‚ 我们的初步发现表明,在比较聊天机器人的答案时,GPT-4 可以产生高度一致的排名和详细评估(见上方 GPT-4 判断示例)。 基于 GPT-4 的初步评估总结在图 1 中,显示 Vicuna 达到了 Bard/ChatGPT 90% * 的能力。 虽然这个提出的框架显示出自动化聊天机器人评估的潜力, ä½†å®ƒè¿˜ä¸æ˜¯ä¸€ç§ä¸¥æ ¼çš„æ–¹æ³• 。 æž„å»ºèŠå¤©æœºå™¨äººè¯„ä¼°ç³»ç»Ÿä»ç„¶æ˜¯ä¸€ä¸ªéœ€è¦è¿›ä¸€æ­¥ç ”ç©¶çš„å¼€æ”¾é—®é¢˜ã€‚æ›´å¤šç»†èŠ‚åœ¨è¯„ä¼°éƒ¨åˆ†æä¾›ã€‚

图 1. 由 GPT-4* 评估的相对响应质量

在线演示

在 这里 试用 Vicuna-13B 演示!

概述

大型语言模型(LLM)的快速发展已经彻底改变了聊天机器人系统,带来了前所未有的智能水平,正如 OpenAI 的 ChatGPT æ‰€ç¤ºã€‚ç„¶è€Œï¼Œå°½ç®¡å ¶æ€§èƒ½ä»¤äººå°è±¡æ·±åˆ»ï¼ŒChatGPT çš„è®­ç»ƒå’Œæž¶æž„ç»†èŠ‚ä»ä¸æ¸ æ¥šï¼Œé˜»ç¢äº†è¯¥é¢†åŸŸçš„ç ”ç©¶å’Œå¼€æºåˆ›æ–°ã€‚å— Meta LLaMA 和 Stanford Alpaca 项目的启发,我们推出 Vicuna-13B,一个由增强数据集和易于使用、可扩展的基础设施支持的开源聊天机器人。通过在 ShareGPT.com æ”¶é›†çš„ç”¨æˆ·å ±äº«å¯¹è¯ä¸Šå¾®è°ƒ LLaMA 基础模型,Vicuna-13B 已展现出与 Stanford Alpaca ç­‰å ¶ä»–å¼€æºæ¨¡åž‹ç›¸æ¯”å ·æœ‰ç«žäº‰åŠ›çš„æ€§èƒ½ã€‚è¿™ç¯‡åšå®¢æ–‡ç« æä¾›äº† Vicuna-13B æ€§èƒ½çš„åˆæ­¥è¯„ä¼°ï¼Œå¹¶æè¿°äº†å ¶è®­ç»ƒå’ŒæœåŠ¡åŸºç¡€è®¾æ–½ã€‚æˆ‘ä»¬è¿˜é‚€è¯·ç¤¾åŒºä¸Žæˆ‘ä»¬çš„åœ¨çº¿æ¼”ç¤ºäº’åŠ¨ï¼Œä»¥æµ‹è¯•è¿™ä¸ªèŠå¤©æœºå™¨äººçš„èƒ½åŠ›ã€‚

图 2. 工作流程概述

图 2 æ¦‚è¿°äº†æˆ‘ä»¬çš„å·¥ä½œã€‚é¦–å ˆï¼Œæˆ‘ä»¬ä»Ž ShareGPT.com 收集了约 70K å¯¹è¯ï¼Œè¿™æ˜¯ä¸€ä¸ªç”¨æˆ·å¯ä»¥åˆ†äº«å ¶ ChatGPT 对话的网站。接下来,我们增强了 Alpaca 提供的训练脚本,以更好地处理多轮对话和长序列。训练在 8 个 A100 GPU 上使用 PyTorch FSDP åœ¨ä¸€å¤©å† å®Œæˆã€‚ä¸ºäº†æä¾›æ¼”ç¤ºæœåŠ¡ï¼Œæˆ‘ä»¬å®žçŽ°äº†ä¸€ä¸ªè½»é‡çº§çš„åˆ†å¸ƒå¼æœåŠ¡ç³»ç»Ÿã€‚æˆ‘ä»¬é€šè¿‡åˆ›å»ºä¸€ç»„ 80 ä¸ªå¤šæ ·åŒ–çš„é—®é¢˜å¹¶åˆ©ç”¨ GPT-4 来评判模型输出来对模型质量进行了初步评估。为了比较两个不同的模型,我们将每个模型的输出合并到每个问题的单个提示中。然后将提示发送给 GPT-4ï¼Œç”±å ¶è¯„ä¼°å“ªä¸ªæ¨¡åž‹æä¾›äº†æ›´å¥½çš„å“åº”ã€‚LLaMA、Alpaca、ChatGPT 和 Vicuna 的详细比较如下表 1 所示。

表 1. å‡ ä¸ªè‘—åæ¨¡åž‹ä¹‹é—´çš„æ¯”è¾ƒ

模型名称

LLaMA

Alpaca

Vicuna

Bard/ChatGPT

数据集

å ¬å¼€å¯ç”¨çš„æ•°æ®é›†

(1T token)

来自 davinci-003 API 的自指导

(52K æ ·æœ¬)

ç”¨æˆ·å ±äº«çš„å¯¹è¯

(70K æ ·æœ¬)

不适用

è®­ç»ƒä»£ç 

可用

è¯„ä¼°æŒ‡æ ‡

学术基准

ä½œè€ è¯„ä¼°

GPT-4 评估

混合

训练成本

(7B)

82K GPU 小时

$500 (数据) + $100 (训练)

$140 (训练)

(13B)

135K GPU 小时

$300 (训练)

训练

Vicuna 是通过使用从 ShareGPT.com é€šè¿‡å ¬å ± API 收集的大约 70K ç”¨æˆ·å ±äº«å¯¹è¯å¯¹ LLaMA 基础模型进行微调而创建的。为了确保数据质量,我们将 HTML 转换回 markdown å¹¶è¿‡æ»¤æŽ‰ä¸€äº›ä¸é€‚å½“æˆ–ä½Žè´¨é‡çš„æ ·æœ¬ã€‚æ­¤å¤–ï¼Œæˆ‘ä»¬å°†å†—é•¿çš„å¯¹è¯åˆ†æˆé€‚åˆæ¨¡åž‹æœ€å¤§ä¸Šä¸‹æ–‡é•¿åº¦çš„è¾ƒå°ç‰‡æ®µã€‚

æˆ‘ä»¬çš„è®­ç»ƒé æ–¹å»ºç«‹åœ¨ Stanford 的 alpaca 之上,并进行了以下改进。

  • 多轮对话: æˆ‘ä»¬è°ƒæ•´è®­ç»ƒæŸå¤±ä»¥è€ƒè™‘å¤šè½®å¯¹è¯ï¼Œå¹¶ä» æ ¹æ®èŠå¤©æœºå™¨äººçš„è¾“å‡ºè®¡ç®—å¾®è°ƒæŸå¤±ã€‚
  • å† å­˜ä¼˜åŒ–ï¼š 为了使 Vicuna 能够理解长上下文,我们将最大上下文长度从 alpaca 中的 512 扩展到 2048ï¼Œè¿™å¤§å¤§å¢žåŠ äº† GPU å† å­˜éœ€æ±‚ã€‚æˆ‘ä»¬é€šè¿‡åˆ©ç”¨ 梯度检查点 和 闪存注意力 æ¥åº”å¯¹å† å­˜åŽ‹åŠ›ã€‚
  • 通过竞价实例降低成本: 训练数据集大 40 倍且序列长度长 4 倍,这对训练费用构成了相当大的挑战。我们采用 SkyPilot 托管竞价实例 ï¼Œé€šè¿‡åˆ©ç”¨æ›´ä¾¿å®œçš„ç«žä»·å®žä¾‹ä»¥åŠé’ˆå¯¹æŠ¢å çš„è‡ªåŠ¨æ¢å¤å’Œè‡ªåŠ¨åŒºåŸŸåˆ‡æ¢æ¥é™ä½Žæˆæœ¬ã€‚è¯¥è§£å†³æ–¹æ¡ˆå°†è®­ç»ƒ 7B 模型的成本从 $500 降低到约 $140 ,将 13B 模型的成本从约 $1K 降低到 $300 。

服务

æˆ‘ä»¬æž„å»ºäº†ä¸€ä¸ªæœåŠ¡ç³»ç»Ÿï¼Œèƒ½å¤Ÿé€šè¿‡åˆ†å¸ƒå¼å·¥ä½œå™¨ä¸ºå¤šä¸ªæ¨¡åž‹æä¾›æœåŠ¡ã€‚å®ƒæ”¯æŒçµæ´»åœ°æ’å ¥æ¥è‡ªæœ¬åœ°é›†ç¾¤å’Œäº‘çš„ GPU 工作器。通过利用 SkyPilot ä¸­çš„å®¹é”™æŽ§åˆ¶å™¨å’Œæ‰˜ç®¡ç«žä»·å®žä¾‹åŠŸèƒ½ï¼Œè¯¥æœåŠ¡ç³»ç»Ÿå¯ä»¥å¾ˆå¥½åœ°ä¸Žæ¥è‡ªå¤šä¸ªäº‘çš„æ›´ä¾¿å®œçš„ç«žä»·å®žä¾‹é åˆä½¿ç”¨ï¼Œä»¥é™ä½ŽæœåŠ¡æˆæœ¬ã€‚å®ƒç›®å‰æ˜¯ä¸€ä¸ªè½»é‡çº§å®žçŽ°ï¼Œæˆ‘ä»¬æ­£åœ¨åŠªåŠ›å°†æ›´å¤šæœ€æ–°çš„ ç ”ç©¶ é›†æˆåˆ°å ¶ä¸­ã€‚

如何评估聊天机器人?

评估 AI èŠå¤©æœºå™¨äººæ˜¯ä¸€é¡¹å ·æœ‰æŒ‘æˆ˜æ€§çš„ä»»åŠ¡ï¼Œå› ä¸ºå®ƒéœ€è¦è€ƒå¯Ÿè¯­è¨€ç†è§£ã€æŽ¨ç†å’Œä¸Šä¸‹æ–‡æ„ŸçŸ¥èƒ½åŠ›ã€‚éšç€ AI èŠå¤©æœºå™¨äººå˜å¾—è¶Šæ¥è¶Šå ˆè¿›ï¼Œå½“å‰çš„å¼€æºåŸºå‡†å¯èƒ½å·²ä¸å†è¶³å¤Ÿã€‚ä¾‹å¦‚ï¼Œæ–¯å¦ç¦ Alpaca 中使用的评估数据集 self-instruct ,SOTA èŠå¤©æœºå™¨äººå¯ä»¥æœ‰æ•ˆåœ°å›žç­”ï¼Œä½¿å¾—äººç±»éš¾ä»¥è¾¨åˆ«æ€§èƒ½å·®å¼‚ã€‚æ›´å¤šå±€é™åŒ æ‹¬è®­ç»ƒ/测试数据污染以及创建新基准的潜在高成本。为了解决这些问题,我们提出了一个基于 GPT-4 的评估框架,以自动化聊天机器人性能评估。

é¦–å ˆï¼Œæˆ‘ä»¬è®¾è®¡äº†å «ä¸ªé—®é¢˜ç±»åˆ«ï¼Œä¾‹å¦‚è´¹ç±³é—®é¢˜ã€è§’è‰²æ‰®æ¼”åœºæ™¯å’Œç¼–ç /数学任务,以测试聊天机器人性能的各个方面。通过精心的提示工程,GPT-4 èƒ½å¤Ÿç”Ÿæˆå¤šæ ·ä¸”å ·æœ‰æŒ‘æˆ˜æ€§çš„é—®é¢˜ï¼ŒåŸºçº¿æ¨¡åž‹éš¾ä»¥åº”å¯¹ã€‚æˆ‘ä»¬æ¯ä¸ªç±»åˆ«é€‰æ‹©åä¸ªé—®é¢˜ï¼Œå¹¶ä»Žäº”ä¸ªèŠå¤©æœºå™¨äººæ”¶é›†ç­”æ¡ˆï¼šLLaMA、Alpaca、ChatGPT、Bard 和 Vicuna。然后我们要求 GPT-4 æ ¹æ®æœ‰ç”¨æ€§ã€ç›¸å ³æ€§ã€å‡†ç¡®æ€§å’Œç»†èŠ‚å¯¹å ¶ç­”æ¡ˆè´¨é‡è¿›è¡Œè¯„åˆ†ã€‚æˆ‘ä»¬å‘çŽ° GPT-4 ä¸ä» èƒ½äº§ç”Ÿç›¸å¯¹ä¸€è‡´çš„åˆ†æ•°ï¼Œè¿˜èƒ½è¯¦ç»†è§£é‡Šä¸ºä»€ä¹ˆç»™å‡ºè¿™æ ·çš„åˆ†æ•°ï¼ˆè¯¦ç»†ç¤ºä¾‹ 链接 )。然而,我们也注意到 GPT-4 ä¸å¤ªæ“ é•¿è¯„åˆ¤ç¼–ç /数学任务。

图 3. GPT-4 评估的响应比较

图 3 显示了所有基线与 Vicuna 之间的比较结果。GPT-4 åœ¨è¶ è¿‡ 90% 的问题上更偏好 Vicuna è€Œéžæœ€å ˆè¿›çš„å¼€æºæ¨¡åž‹ï¼ˆLLaMA、Alpaca),并且它相对于专有模型(ChatGPT、Bard)取得了有竞争力的性能。在 45% 的问题中,GPT-4 将 Vicuna 的响应评为优于或等于 ChatGPT 的。 由于 GPT-4 对每个响应按 10 åˆ†åˆ¶åˆ†é å®šé‡åˆ†æ•°ï¼Œæˆ‘ä»¬é€šè¿‡å°†æ¯ä¸ªæ¨¡åž‹åœ¨ 80 ä¸ªé—®é¢˜ä¸ŠèŽ·å¾—çš„åˆ†æ•°ç›¸åŠ ï¼Œè®¡ç®—æ¯ä¸ªï¼ˆåŸºçº¿ï¼ŒVicuna)比较对的总分。如表 2 所示,Vicuna 的总分是 ChatGPT 的 92%ã€‚å°½ç®¡æœ€è¿‘å–å¾—äº†è¿›å±•ï¼Œè¿™äº›èŠå¤©æœºå™¨äººä»ç„¶é¢ä¸´å±€é™ï¼Œä¾‹å¦‚éš¾ä»¥å¤„ç†åŸºæœ¬æ•°å­¦é—®é¢˜æˆ–ç¼–ç èƒ½åŠ›æœ‰é™ã€‚

表 2. GPT-4 评估的总分。

基线

基线分数

Vicuna 分数

LLaMA-13B

513.0

694.0

Alpaca-13B

583.0

704.0

Bard

664.0

655.5

ChatGPT

693.0

638.0

è™½ç„¶è¿™ä¸ªæå‡ºçš„è¯„ä¼°æ¡†æž¶å±•ç¤ºäº†è¯„ä¼°èŠå¤©æœºå™¨äººçš„æ½œåŠ›ï¼Œä½†å®ƒè¿˜ä¸æ˜¯ä¸€ç§ä¸¥è°¨æˆ–æˆç†Ÿçš„æ–¹æ³•ï¼Œå› ä¸ºå¤§åž‹è¯­è¨€æ¨¡åž‹å®¹æ˜“äº§ç”Ÿå¹»è§‰ã€‚ä¸ºèŠå¤©æœºå™¨äººå¼€å‘ä¸€ä¸ªå ¨é¢ã€æ ‡å‡†åŒ–çš„è¯„ä¼°ç³»ç»Ÿä»ç„¶æ˜¯ä¸€ä¸ªéœ€è¦è¿›ä¸€æ­¥ç ”ç©¶çš„å¼€æ”¾é—®é¢˜ã€‚

编辑 ï¼šåœ¨è¿™ç¯‡åšå®¢æ–‡ç« ä¹‹åŽï¼Œæˆ‘ä»¬å¯¹è¿™ç§åŸºäºŽ GPT4 çš„è¯„ä¼°æ–¹æ³•è¿›è¡Œäº†æ›´æ·±å ¥çš„ç ”ç©¶ã€‚æ¬¢è¿Žé˜ è¯»æˆ‘ä»¬çš„æ–°è®ºæ–‡ Judging LLM-as-a-judge 并尝试新的评估 å·¥å · 。

局限性

æˆ‘ä»¬æ³¨æ„åˆ°ï¼Œä¸Žå ¶ä»–å¤§åž‹è¯­è¨€æ¨¡åž‹ç±»ä¼¼ï¼ŒVicuna ä¹Ÿå­˜åœ¨æŸäº›å±€é™æ€§ã€‚ä¾‹å¦‚ï¼Œå®ƒä¸æ“ é•¿æ¶‰åŠæŽ¨ç†æˆ–æ•°å­¦çš„ä»»åŠ¡ï¼Œå¹¶ä¸”åœ¨å‡†ç¡®è¯†åˆ«è‡ªèº«æˆ–ç¡®ä¿å ¶è¾“å‡ºçš„äº‹å®žå‡†ç¡®æ€§æ–¹é¢å¯èƒ½å­˜åœ¨å±€é™ã€‚æ­¤å¤–ï¼Œå®ƒå°šæœªç»è¿‡å åˆ†ä¼˜åŒ–ä»¥ä¿è¯å®‰å ¨æ€§æˆ–å‡è½»æ½œåœ¨çš„æ¯’æ€§æˆ–åè§ã€‚ä¸ºäº†è§£å†³å®‰å ¨é—®é¢˜ï¼Œæˆ‘ä»¬åœ¨åœ¨çº¿æ¼”ç¤ºä¸­ä½¿ç”¨ OpenAI moderation API æ¥è¿‡æ»¤ä¸é€‚å½“çš„ç”¨æˆ·è¾“å ¥ã€‚å°½ç®¡å¦‚æ­¤ï¼Œæˆ‘ä»¬é¢„è®¡ Vicuna å¯ä»¥ä½œä¸ºæœªæ¥ç ”ç©¶è§£å†³è¿™äº›å±€é™æ€§çš„å¼€æ”¾èµ·ç‚¹ã€‚

发布

在我们的首次发布中,我们将在 GitHub ä»“åº“åˆ†äº«è®­ç»ƒã€æœåŠ¡å’Œè¯„ä¼°ä»£ç ï¼š https://github.com/lm-sys/FastChat 。 我们还发布了 Vicuna-13B 模型 权重 。 æ²¡æœ‰è®¡åˆ’å‘å¸ƒæ•°æ®é›†ã€‚åŠ å ¥æˆ‘ä»¬çš„ Discord æœåŠ¡å™¨å¹¶å ³æ³¨æˆ‘ä»¬çš„ Twitter 以获取最新更新。

许可

åœ¨çº¿æ¼”ç¤ºæ˜¯ä» é™éžå•†ä¸šç”¨é€”çš„ç ”ç©¶é¢„è§ˆï¼Œå— LLaMA 的模型 许可 、OpenAI 生成数据的 使用条款 以及 ShareGPT 的 隐私实践 约束。如果您发现任何潜在违规,请联系我们。 ä»£ç åœ¨ Apache License 2.0 下发布。

致谢

我们要感谢 BAIR 的 Xinyang Geng、Hao Liu 和 Eric Wallace;斯坦福 Alpaca 团队的 Xuecheng Li 和 Tianyi Zhang çš„æ·±å ¥è®¨è®ºå’Œåé¦ˆï¼›MBZUAI 的 Qirong Ho 在服务集群上提供的支持。请查看 BAIR å ³äºŽä»–ä»¬èŠå¤©æœºå™¨äºº Koala å¹¶è¡Œå·¥ä½œçš„åšå®¢æ–‡ç« ã€‚

团队

è¿™æ˜¯ä¸Žæ¥è‡ªå¤šä¸ªæœºæž„çš„åˆä½œè€ çš„è”åˆåŠªåŠ›ï¼ŒåŒ æ‹¬ UC Berkeley、CMU、斯坦福、UC San Diego 和 MBZUAI。

  • 学生(按字母顺序): Wei-Lin Chiang, Zhuohan Li, Zi Lin, Ying Sheng, Zhanghao Wu, Hao Zhang (✉), Lianmin Zheng (✉), Siyuan Zhuang, Yonghao Zhuang
  • 顾问(按字母顺序): Joseph E. Gonzalez, Ion Stoica, Eric P. Xing

✉ é€šè®¯ä½œè€ ï¼š Lianmin Zheng ( [email protected] ), Hao Zhang ( [email protected] ), 或 LMSYS ( [email protected] )。

引用

code
@misc{vicuna2023,
    title = {Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90\%* ChatGPT Quality},
    url = {https://lmsys.org/blog/2023-03-30-vicuna/},
    author = {Chiang, Wei-Lin and Li, Zhuohan and Lin, Zi and Sheng, Ying and Wu, Zhanghao and Zhang, Hao and Zheng, Lianmin and Zhuang, Siyuan and Zhuang, Yonghao and Gonzalez, Joseph E. and Stoica, Ion and Xing, Eric P.},
    month = {March},
    year = {2023}
}

åœ¨è¿™ç¯‡åšå®¢æ–‡ç« ä¹‹åŽï¼Œæˆ‘ä»¬æ‰©å±•äº†åŸºäºŽ GPT-4 çš„è¯„ä¼°æƒ³æ³•ï¼Œå¹¶æ’°å†™äº†ä¸€ç¯‡æ›´æ­£å¼çš„è®ºæ–‡ï¼Œç³»ç»Ÿåœ°ç ”ç©¶äº†è¿™ç§â€œLLM-as-a-judge”方法。 æ¬¢è¿Žé˜ è¯»å¹¶å¼•ç”¨è¿™ç¯‡è®ºæ–‡ï¼š Judging LLM-as-a-judge with MT-Bench and Chatbot Arena 。

来源: LMSYS:Blog · lmsys.org

开源生态

模型发布

评测基准

#

评测/基准