整理 | 郑丽媛

出品 | CSDN（ID：CSDNnews）

近来 ChatGPT 的爆火，令不少人开始关注其背后的 OpenAI。

追溯过往才发现，原来成立于 2015 年的 OpenAI，最初声称是一家非营利机构，会向公众开放专利和研究成果，要为人类谋福利。

但 2019 年，OpenAI 变成了一家名为 OpenAI LP 的营利性公司，又接受了微软注资的 10 亿美元后：GPT-3 仅通过 API 发布而非开源模型，ChatGPT 也毫无开源迹象——许多人唏嘘：不如改名为 ClosedAI。

意外的是，ChatGPT 的开源“平替”还是来了。

3 月 12 日，Orca Security 数据科学主管 Itamar Golan 在推特分享了“第一个 ChatGPT 的开源替代”：Together 组织中的前 OpenAI 研究员团队，发布了一个类 ChatGPT 开源模型，名为 OpenChatKit。

值得一提的是，不论是 OpenChatKit 的源代码、模型权重还是训练数据集，Together 已全部公开。

在问答、提取和分类方面，表现尚佳

根据 Together 官方介绍，GPT-NeoXT-Chat-Base-20B 是构成 OpenChatKit 基础的大型语言模型，而它则基于“黑客组织” EleutherAI 的 GPT-NeoX-20B 模型。

作为一个诞生于 2020 年 7 月的“黑客组织”，EleutherAI 由一群机器学习研究人员组成，为反抗微软与 OpenAI 对大规模 NLP 模型的垄断（微软与 OpenAI 达成协议，拥有对 GPT-3 源码的独家访问）而成立，旨在构建和开源大型语言模型。

EleutherAI 创始人 Connor Leahy 曾说：“起初这真的只是一个有趣的业余爱好。我们认为自己是几十年前经典黑客文化的后裔，只是在新的领域，出于好奇和对挑战的热爱而对技术进行试验。”

成立不到 3 年，EleutherAI 不断实现其目标：先发布了类 GPT 的 27 亿参数模型 GPT-Neo，又开源了 60 亿参数的 NLP 模型 GPT-J，去年又免费开放了包含 200 亿参数的 GPT-NeoX-20B。

得益于 GPT-NeoX-20B 的开源，Together 用 4300 万条高质量指令的集合对模型的聊天功能进行了微调，主要在多轮对话、问答、分类、提取和摘要等方面重点调优，从而得到了 GPT-NeoXT-Chat-Base-20B。

据介绍，GPT-NeoXT-Chat-Base-20B 开箱即用，为一系列广泛的自然语言任务提供了一个强大基础，它在 HELM 基准测试上的得分高于其基本模型 GPT-NeoX，特别是在涉及问答、提取和分类的任务上。

基于 GPT-NeoXT-Chat-Base-20B 的 OpenChatKit，也就继承了这些优点。

在编码等方面还有欠缺

具体来说，OpenChatKit 一共包含 4 个关键组件：

（1）一个经过指令调整的大型语言模型，该模型基于 EleutherAI 的 GPT-NeoX-20B，经过了 4300 万条指令的微调。

（2）定制配方，对模型进行微调，以实现任务的高精确度。

（3）一个可扩展的检索系统，能够在推理时用来自文件库、API 或其他实时更新的信息源的信息来增强响应。

（4）一个由 GPT-JT-6B 微调的调节模型，以此过滤一些问题的响应。

基于这些组件，现阶段的 OpenChatKit 开箱即用，并且在问答、信息提取和文本分类方面较为擅长：

user：将下面句子的情感分为正面、中性或负面：对于教授斯坦福大学的第一门大型语言模型课程，我感到非常兴奋！在这里查看教学大纲。

bot：正面的。

user：将下面句子的情感分为正面、中性或负面：外面在下雨，我感到很忧郁。

bot：负面的。

同时 Together 也承认，目前刚发布的 OpenChatKit 仍存在不少问题和缺陷，例如编码能力不足、会重复回答等：

• 基于知识的封闭式问答：聊天机器人可能会产生幻觉并给出不正确的结果，用户务必进行事实核查，并在可能的情况下提供反馈和更正的信息。

• 编码任务：聊天机器人没有经过足够大的源代码库的训练，所以暂且无法出色地编写代码。

• 会重复：有时聊天机器人会重复回答，用户可以通过单击刷新按钮开始新的对话。

• 语境切换：如果在对话中改变话题，聊天机器人可能无法自动进行切换，并将继续提供与先前主题相关的答案。

• 创意写作和较长的回答：当前的聊天机器人不能生成有创意的长文，例如散文或故事。

为此，Together 呼吁大家一起尝试与 OpenChatKit 对话（https://huggingface.co/spaces/togethercomputer/OpenChatKit），如发现问题可随时反馈，以此加强数据集并提高其准确性：“这不仅是一个模型的发布，更是一个开源项目的开始，希望能在社区的帮助下不断改进。”

可以用中文问答

或许是拥有着“前 OpenAI 研究团队开发”的前缀，OpenChatKit 仅发布 3 天，就在 GitHub 上收获了 3k+ Star，在 Issues 页面还能看到不少国内开发者的提问：

“ChatGPT 支持多语言问答和推理，尽管在大多数情况下，首先生成英语答案，然后翻译成其他语言。所以我想问一下，OpenChatKit 是否支持直接的中文问答，还是我需要使用中文数据集进行训练，然后才能进行中文问答？”

对此，使用过 OpenChatKit 的开发者回答称直接就可以。至于用中文问答 OpenChatKit 的效果，也有开发者分享了截图：“中文提示也可以（输出质量取决于你的提示）。”

不过，毕竟与 ChatGPT 在模型参数量上就有“壁”，OpenChatKit 显然还有很大的差距和不足，需较长时间的成长与迭代。对 OpenChatKit 感兴趣的程序员们可前往项目主页具体查看和尝试：

项目地址：https://github.com/togethercomputer/OpenChatKit

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

参考链接：

https://www.together.xyz/blog/openchatkit

https://github.com/togethercomputer/OpenChatKit

☞久久为功，华为云助力软件行业高效创新
☞烧数亿美元、耗上万颗英伟达 GPU，微软揭秘构建 ChatGPT 背后超级计算机往事 ！
☞深挖 ChatGPT 原理，保姆级解说！