原文：https://baijiahao.baidu.com/s?id=1760680452362672475&wfr=spider&for=pc
就在GPT4发布的同一天，唐教授在微博宣布：
基于千亿参数大模型的对话机器人ChatGLM，现在开启邀请制内测。
据介绍，ChatGLM专门针对中文进行了优化，可以说是国人友好～
看起来，写博客提纲、创作剧本、解数学题、写代码，甚至是扮演高冷御姐，它都拿捏的死死的。
量子位有幸拿到了内测名额，将在后文进行一波实测。
与此同时，还有另一个消息宣布：
唐杰团队为了与社区一起更好地推动大模型技术的发展，同时开源了包含62亿参数的双语ChatGLM-6B模型。
它最大的特点是在普通电脑上就能进行部署，有一块2080Ti就行。
一起来看看。
能写文言文致辞，知道何恺明最新动态，但……
先看ChatGLM，它是唐杰团队大模型家族时隔半年诞生的一位新成员。
alpha内测版名称叫QAGLM（全称qa-glm-v0.7）。
浅试一下效果。
首先，我们让它说了一下它和ChatGPT的区别。
它点出了自己的研发机构，和擅长中文的特点。
那么，就让它用文言文写个致谢词叭。
咋说，虽然多了一个“余”、出现了一个莫名其妙的繁体字，但读着还可以，用的排比句增强了气势。
接着，我们把前几日硅谷暴雷的文章开头丢给它，让它起个标题。
感觉还不错，起码抓住了几个关键信息。
不幸的是，论文挑战没有通过，我们把GLM-130B的链接扔给它，让它简要概括一下主题时，它说的根本不是这篇。
跟ChatGPT胡邹参考文献的操作简直有得一拼（手动狗头）。
接下来，考考它的数学能力吧。
这道小学应用题没问题：
不过鸡兔同笼，就难倒它了，最后居然还算出了负数==
编程方面，也可以解决简单的算法题。
归纳信息能力呢？我们给了一段英文需求，不难：
结果正确：
需要注意的是，目前ChatGLM每轮对话最多只可以进行5个来回，每次最多输入1000字。
它对新信息的掌握度不错，知道推特现在的CEO是马斯克，也知道何恺明3月10日回归学界的事情，但还没发现GPT-4已经发布了。
以及，目前响应速度还是非常快的，无论什么问题，回答得对不对，基本几秒内就能给出答案。
最后，量子位也让它来了个cosplay，看看哄女朋友的本事如何：
emmm，虽然有点板正，但听完这段话“我”的气确实消了。
那么，以上就是我们的测试结果，各位觉得如何？
基于1300亿参数的基座模型打造
据官方介绍，ChatGLM参考了ChatGPT的设计思路，在千亿基座模型GLM-130B中注入了代码预训练，通过有监督微调等技术来实现人类意图对齐（就是让机器的回答符合人类价值观、人类期望）。
这个GLM-130B的来头值得说道一番。
它是由清华大学知识工程实验室(KEG)与智谱AI共同研发的一个大规模中英文预训练语言模型，参数1300亿，去年8月正式对外发布。
不同于BERT、GPT-3以及T5的架构，GLM-130B是一个包含多目标函数的自回归预训练模型。
它的优势包括：
在Stanford报告的30个世界主流大模型评测中，GLM-130B也成为了亚洲唯一入选的模型。
且获得了不错的成绩：
比如在准确性和恶意性指标上与GPT-3 175B (davinci) 接近或持平，鲁棒性和校准误差在所有千亿规模的基座大模型（作为公平对比，只对比无指令提示微调模型）中也可圈可点。
而就在CCF最近的一场会议上，有现场观众提问：ChatGPT为什么没有诞生在中国？是我们没有关注这件事吗？
嘉宾就把GLM-130B搬了出来（它也入选了ICLR’23）。
现在，GLM-130B也终于被派上了“大用场”。
关于内测，唐杰团队表示，后续会逐步扩大范围，有兴趣的朋友可以再等一等。
60亿参数的缩小版同时开源
除了这个聊天机器人ChatGLM，唐杰团队这次也把GLM-130B的“缩小版”ChatGLM-6B开源了出来。
ChatGLM-6B使用与ChatGLM相同的技术，初具中文问答和对话功能。
特点如下：
当然，缺点就是容量只有60亿，其模型记忆和语言能力较弱，不擅长逻辑类问题（如数学、编程），以及多轮对话可能会出现上下文丢失和理解错误的情况。
但它主打的就是一个低门槛，在单张2080Ti上就能进行推理使用，硬件需求不高。
因此，只要有兴趣都可以下载下来试试，进行研究和（非商用的）应用开发都可以。
传送门：https://chatglm.cn/https://github.com/THUDM/ChatGLM-6B
参考链接：[1]https://weibo.com/2126427211/MxlsQ6w4A#repost[2]https://chatglm.cn/blog?continueFlag=d70d7590143c950d12ac7283214d879d
