LMSYS开源Vicuna-13B，微调LLaMA达ChatGPT九成质量
模型AI 评分 88/100LMSYS：Blog（Chatbot Arena 团队）待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
LMSYS推出开源聊天模型Vicuna-13B，基于Meta的LLaMA架构，使用从ShareGPT收集的7万条用户共享ChatGPT对话进行微调。初步评估显示，以GPT-4作为评判时，该模型能达到OpenAI ChatGPT和Google Bard超90%的能力，并在超90%的情况下优于LLaMA和Stanford Alpaca。其训练耗费约300美元，代码与权重已面向非商业用途公开，并提供了在线演示。当前基于GPT-4的自动评估框架尚不严谨，仍需进一步研究。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载模型训练与数据来源
Vicuna-13B由LMSYS团队研发，基于Meta开源的LLaMA基础模型进行微调。微调数据集来自ShareGPT平台上约7万条用户与ChatGPT的真实交互对话。利用这些高质量的人类对话数据，模型学会了生成更详尽且结构更清晰的回复。整个微调过程的计算花费仅在300美元左右，极大降低了获取高质量对话能力的门槛。
GPT-4自动评估及表现
团队借助GPT-4构建了自动评估框架来衡量模型表现。初步结果显示，Vicuna-13B具备OpenAI ChatGPT及Google Bard超过90%的能力，且在超过90%的对比场景中胜过LLaMA与Stanford Alpaca。不过团队明确指出，利用GPT-4打分虽能产出一致性较高的排序与评价，但目前并非严谨的科学方法，构建完善的聊天模型评估体系仍是开放问题。
开源限制与可用性
Vicuna-13B的源代码、模型权重及在线交互演示均已向公众发布。受限于LLaMA的原始许可协议，该模型仅允许用于非商业用途。这种低成本且逼近主流闭源模型效果的开源方案，为学术研究与社区创新提供了重要基础，但商业化应用仍受约束。
为什么值得看
仅花300美元微调开源模型即逼近ChatGPT效果，为低成本复现闭源能力提供可行路径。
OpenAIGoogleMetaGPTLlama
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。