ChatGPT开源替代来了！参数量200亿，在4300万条指令上微调而成

article/2025/4/21 20:13:17

OpenChatKit 是一个类 ChatGPT 开源工具包，内含一个 20B 参数量的大模型，而且该模型在 4300 万条指令上进行了微调。

转自《机器之心》

2023 年，聊天机器人领域似乎只剩下两个阵营：「OpenAI 的 ChatGPT」和「其他」。

ChatGPT 功能强大，但 OpenAI 不太可能将其开源。「其他」阵营表现欠佳，但不少人都在做开源方面的努力，比如前段时间 Meta 开源的 LLaMA。

除此之外，一个名为 EleutherAI 的开源 AI 研究团队也一直在贡献开源大模型成果。自 2020 年 7 月成立以来，该团队先后开源了基于 GPT-3 的、包含 60 亿参数的 NLP 模型 GPT-J，类 GPT 的 27 亿参数模型 GPT-Neo，以及 200 亿参数的 GPT-NeoX-20B。据悉，他们的最终目标是将开源模型的参数规模扩展到 1700 亿左右，就像 GPT-3 一样。

在 ChatGPT 火遍全球之际，EleutherAI 的这些开源成果派上了用场。一家名为 Together 的组织表示，他们基于 EleutherAI 开源的 GPT-Neo 和 GPT-J 构建了一个新的类 ChatGPT 开源项目 ——OpenChatKit。

项目链接：https://github.com/togethercomputer/OpenChatKit

这个项目提供了一个强大的、开源的基础，可以为各种应用创建专门和通用的聊天机器人。具体来说，它包含：

一个参数量达 20B 的开源模型，该模型基于 EleutherAI 的 GPT-NeoX-20B，在 4300 万条指令上进行了微调；

一个参数量达 60 亿的审核模型（moderation model），可以帮模型过滤不当内容；

一个可扩展的检索系统，可以帮模型检索维基百科等资源库，从而给出最新信息。

根据 Together 提供的链接，我们可以粗略看到 OpenChatKit 在摘要提取、问答、写作等方面的表现。以下是 Together 提供的一些 demo：

想要深入了解 OpenChatKit 的读者也可以亲自测试。

测试链接：https://huggingface.co/spaces/togethercomputer/OpenChatKit

从目前的表现来看，OpenChatKit 可能还不太令人满意。但在此开源项目的基础上，社区有望构建出更加强大的聊天机器人应用。

参数量 20B 的指令调优大模型

GPT-NeoXT-Chat-Base-20B 是构成 OpenChatKit 基础的大型语言模型。它基于 EleutherAI 的 GPT-NeoX 模型，并通过专注于对话互动的数据进行了微调。Together 在 Huggingface 上发布了这个模型的预训练权重：https://huggingface.co/togethercomputer/GPT-NeoXT-Chat-Base-20B

Together 的开发者将模型调整的重点放在几个任务上，如多轮对话、问答、分类、提取和总结。他们用 4300 万条高质量指令对模型进行了微调，并与 LAION 和 Ontocord 合作，创建了该模型所基于的 OIG-43M 数据集。数据集信息参见：https://laion.ai/blog/oig-dataset/

OIG-43M 数据集示例。

开箱即用的 GPT-NeoXT-Chat-Base-20B 为一系列广泛的自然语言任务提供了一个强大的基础。从质量上看，它在 HELM 基准上的得分比其基础模型 GPT-NeoX 高，特别是在涉及问答、提取和分类的任务上。

在 HELM 上评估 GPT-NeoXT-Chat-Base-20B 并与 GPT-NeoX 进行比较。†表示测试包含微调语料库中的数据。

模型长处

OpenChatKit 有几个任务是开箱即用的，包括：

1、将一份长的文件总结成一句话，并回答与该文件相关的问题，问答可进行多轮；

2、从非结构化文件中提取结构化信息，如下图所示；

3、将一个句子或段落分为不同的类别（比如情绪是积极还是消极）。

利用 OpenChatKit 把一段长文字内容转化成图表。

模型短板

OpenChatKit 目前的短板包括：

基于知识的封闭式问答。该聊天机器人可能会给出不正确的结果，需要用户提供反馈；

代码相关任务。由于训练数据中没有足够多的代码，因此该聊天机器人在代码方面表现欠佳；

重复性。该聊天机器人有时会重复自己的回答，用户可以点击刷新，开始新的对话；

上下文切换。该聊天机器人不太擅长转换话题。

创意写作和较长的答案。该聊天机器人不会生成长的、有创意的文本，如论文或故事。

针对特定任务定制聊天机器人

在一般问答任务中，大型语言模型已经显示出令人印象深刻的能力。当为特定的应用进行微调时，它们往往能达到更高的准确率。例如，谷歌的 PaLM 在医学回答上达到了大约 50% 的准确率，但是通过添加指令支持和对医学特定信息的微调，谷歌创造了 Med-PaLM，其准确率达到了 92.6%。同样的方法也可以用于其他任务。

OpenChatKit 提供了一些工具来为专门的应用微调聊天机器人。其开发团队正在与研究小组和公司合作，帮助他们为各种任务创建自定义模型。这些任务包括：

教育助手：在开放的教科书数据集上进行微调，创建一个聊天机器人，通过自然对话帮助各年龄段的学生了解各种主题；

金融问答：微调并利用美国证券交易委员会文件等金融数据的检索，实现金融领域的问答；

客户支持代理：利用知识库数据进行微调，创建聊天机器人，帮助终端用户分辨问题并快速找到答案。

如何进行微调

微调需要的操作包括

准备好你的数据集，使用指定格式的交互示例；

将你的数据集保存为 jsonl 文件，并按照 OpenChatKit 的 GitHub 文档对聊天模型进行微调；

不要忘记审核模型！在开始使用你的微调模型之前，请注意审核模型可能需要过滤的域外问题。如果有必要，准备一些调节数据并微调审核模型。

这个过程的文档和源代码可以在 OpenChatKit 的 GitHub 链接中找到。由于 OpenChatKit 在 Apache-2.0 许可下完全开源，你可以为自己的应用或研究深入调整、修改或检查权重。

用于实时更新答案的可扩展检索系统

OpenChatKit 还包括一个可扩展的检索系统。有了这个检索系统，聊天机器人能够将定期更新的内容或自定义的内容，如来自维基百科的知识、新闻提要或体育比赛成绩纳入回答中。

检索增强系统的工作流程示例。

审核模型在必要时进行干预

OpenChatKit 的最后一个组件是一个由 GPT-JT 微调的 60 亿个参数的审核模型。在聊天应用中，审核模型与主聊天模型同步运行，检查用户话语中是否有任何不适当的内容。基于审核模型的评估，聊天机器人可以将输入的内容限制在经过审核的主题上。当然，这个审核模型只是一个基线，用户可以根据不同的需求进行调整和定制。

在推理过程中，开发者进行了 few-shot 分类，将用户问题分为五类。聊天机器人只在问题落入允许的分类中时才会做出回应。