前段時間，元語智能開發(fā)團(tuán)隊(duì)訓(xùn)練了一個類似ChatGPT的功能型對話大模型ChatYuan，并在網(wǎng)頁版中開放了試玩接口。

(資料圖)

現(xiàn)在你也可以在自己的機(jī)器上部署一個ChatYuan了！

模型可用于問答場景，能夠結(jié)合上下文做對話、做各種生成任務(wù)，包括創(chuàng)意性寫作，也能回答法律、新冠等領(lǐng)域類問題。

并且在全中文任務(wù)中支持零樣本學(xué)習(xí)，用戶可以通過提供prompt的方式來使用，支持文本生成、信息抽取和理解大類下近30多種中文任務(wù)。

ChatYuan基于PromptCLUE-large結(jié)合數(shù)億條功能問答和多輪對話數(shù)據(jù)進(jìn)一步訓(xùn)練得到，模型參數(shù)量7.7億，顯存6G左右，一張民用顯卡即可加載使用，目前模型已開放下載。

PromptCLUE在1000億token中文語料上預(yù)訓(xùn)練，累計學(xué)習(xí)1.5萬億中文token，并且在數(shù)百種任務(wù)上進(jìn)行Prompt任務(wù)式訓(xùn)練。

針對理解類任務(wù)，如分類、情感分析、抽取等，可以自定義標(biāo)簽體系；針對多種生成任務(wù)，可以進(jìn)行采樣自由生成。

如何使用

1. Github

項(xiàng)目地址：https://github.com/clue-ai/ChatYuan

2. Huggingface

項(xiàng)目地址：https://huggingface.co/ClueAI/ChatYuan-large-v1

3.ModelScope

項(xiàng)目地址：https://modelscope.cn/models/ClueAI/ChatYuan-large

加載模型：

使用模型進(jìn)行預(yù)測推理方法：

4. PaddlePaddle

項(xiàng)目地址：https://aistudio.baidu.com/aistudio/projectdetail/5404182

模型地址：https://huggingface.co/ClueAI/ChatYuan-large-v1-paddle?

使用自有數(shù)據(jù)訓(xùn)練模型

1. 組織數(shù)據(jù)

將數(shù)據(jù)組織成統(tǒng)一的格式，由兩部分構(gòu)成：輸入（Input）和輸出（Output）。

針對單輪問答或生成：

輸入（Input）：任務(wù)描述+輸入文本

輸出（Output）：系統(tǒng)需要預(yù)測的文本，如下圖中「小元」后的內(nèi)容。

針對多輪對話：

輸入（Input）：任務(wù)描述+上文+輸入文本

輸出（Output）：系統(tǒng)需要預(yù)測的文本，如下圖中「小元」后的內(nèi)容。

單輪對話數(shù)據(jù)格式：

多輪對話數(shù)據(jù)格式：

2.訓(xùn)練模型

訓(xùn)練代碼可以參考：

使用pCLUE數(shù)據(jù)集進(jìn)行訓(xùn)練、預(yù)測和效果驗(yàn)證, pytorch實(shí)現(xiàn)——在線colab。

Github項(xiàng)目：https://colab.research.google.com/drive/1lEyFhEfoc-5Z5xqpEKkZt_iMaojH1MP_?usp=sharing

舉個例子

==========示例1==========

用戶：

你能干什么

小元：

您好！我是元語AI。我可以回答您的問題、寫文章、寫作業(yè)、翻譯，對于一些法律等領(lǐng)域的問題我也可以給你提供信息。

==========示例2==========

用戶：

寫一個詩歌，關(guān)于冬天

小元：

冬夜寂靜冷，

云在天邊飄，

冰封白雪上，

寒冷像一場雪。

雪花融化成冰，

像那雪花飄灑，

在寒冷的冬天，

感受春天的喜悅。

冬日里，

風(fēng)雪漸消，

一片寂靜，

把快樂和溫暖帶回家。

==========示例3==========

用戶：

學(xué)前教育專業(yè)崗位實(shí)習(xí)中，在學(xué)生方面會存在問題，請?zhí)岢龈倪M(jìn)措施。800字

小元：

在學(xué)前教育專業(yè)崗位實(shí)習(xí)中，在學(xué)生方面會存在一些問題，如學(xué)生缺少專業(yè)知識、缺乏合作意識、缺乏基本的責(zé)任心等等，需要我們采取措施，來解決這些問題。

首先，在實(shí)習(xí)過程中，我們需要培養(yǎng)學(xué)生的團(tuán)隊(duì)意識，加強(qiáng)學(xué)生與老師之間的合作，加強(qiáng)與家長之間的溝通，提高他們的溝通能力。另外，我們也需要加強(qiáng)學(xué)生的獨(dú)立性，讓學(xué)生學(xué)會獨(dú)立思考，學(xué)會和老師、家長進(jìn)行溝通，培養(yǎng)其獨(dú)立性。

此外，在日常的工作中，我們也要為學(xué)生提供適當(dāng)?shù)臋C(jī)會和機(jī)會，讓學(xué)生多接觸社會、多參加社會活動，加深他們對社會、學(xué)校的認(rèn)識，培養(yǎng)他們主動、積極和創(chuàng)新的精神。

最后，我們還需要重視學(xué)生在實(shí)習(xí)中出現(xiàn)的問題，尤其是學(xué)生缺乏合作，有依賴心理，不懂得分享，有拖延行為等，這些學(xué)生應(yīng)該引起我們的重視，制定合理的改進(jìn)措施，改善這些問題。

技術(shù)與訓(xùn)練過程

ChatYuan是在PromptCLUE基礎(chǔ)上進(jìn)一步訓(xùn)練獲得的模型。它去掉了文本理解、信息抽取類任務(wù)，加強(qiáng)了問答、對話和各種生成式任務(wù)的學(xué)習(xí)和訓(xùn)練；

針對多輪對話容易受到上下文的干擾，加入了抗干擾數(shù)據(jù)使得模型可以在必要時忽略無關(guān)的上下文；加入了用戶反饋數(shù)據(jù)的學(xué)習(xí)，使得模型不僅具有一定的通用語言理解能力、特定任務(wù)上的生成能力，也能更好的響應(yīng)用戶的意圖。

PromptCLUE的學(xué)習(xí)過程

三大統(tǒng)一：統(tǒng)一模型框架（text-to-text），統(tǒng)一任務(wù)形式（prompt），統(tǒng)一應(yīng)用方式（zero-shot/few-shot）（T0）大規(guī)模預(yù)訓(xùn)練：在t5-large版基礎(chǔ)上，使用數(shù)百G中文語料，訓(xùn)練了100萬步，累積訓(xùn)練了1.5萬億個中文字詞級別token大規(guī)模任務(wù)數(shù)據(jù)：使用了16種任務(wù)類型，數(shù)百種任務(wù)，累積億級別任務(wù)數(shù)據(jù)混合預(yù)訓(xùn)練：一方面將下游任務(wù)作為預(yù)訓(xùn)練語料，另一方面將下游任務(wù)和預(yù)訓(xùn)練語料一起訓(xùn)練，減少任務(wù)災(zāi)難遺忘以及縮短預(yù)訓(xùn)練和下游任務(wù)的距離，更好的適應(yīng)下游任務(wù)（ExT5）混合采樣：針對眾多數(shù)據(jù)量差異極大的任務(wù)，采用在每個訓(xùn)練batch內(nèi)對所有的任務(wù)進(jìn)行按照比例采樣，根據(jù)任務(wù)的數(shù)據(jù)量進(jìn)行平滑采樣，并且同時限制任務(wù)數(shù)據(jù)量采樣池的上限。平滑采樣可以減少任務(wù)訓(xùn)練有偏危害，在每一batch內(nèi)訓(xùn)練可以減少異質(zhì)任務(wù)之間訓(xùn)練負(fù)遷移的情況（T5）分階段訓(xùn)練：一方面指在預(yù)訓(xùn)練分階段，涉及訓(xùn)練序列長度的分階段（128和512），加快預(yù)訓(xùn)練速度（Bert）；另一方面，在下游訓(xùn)練分階段， 涉及學(xué)習(xí)率和序列長度的變化以及遞減式對下游任務(wù)的數(shù)據(jù)量限制，更好的適應(yīng)下游的不同任務(wù)。增加語言模型的訓(xùn)練：參考t5.1.1, 除了使用Span Corrpution構(gòu)建的方式進(jìn)行無監(jiān)督訓(xùn)練，同時在使用prefix LM的方式訓(xùn)練，增強(qiáng)生成任務(wù)的能力（LM adapted）增加對模型的encoder以及decoder的訓(xùn)練：根據(jù)下游任務(wù)數(shù)據(jù)分別構(gòu)建Data_text,Data_target預(yù)訓(xùn)練數(shù)據(jù)語料，加入到預(yù)訓(xùn)練中，分別增強(qiáng)模型的encoder理解能力和 decoder的生成能力（見UIE）重新構(gòu)建模型中文字典：使用sentencepiece上在千億token上學(xué)習(xí)并構(gòu)建模型字典，更加符合中文語言習(xí)慣后續(xù)工作

目前版本可以進(jìn)行問答、對話和各種創(chuàng)意性寫作或文本生成，相對于線上的版本，它的意圖理解和生成能力在一些場合還有比較大的提升空間；它也還不能較好實(shí)現(xiàn)推理或復(fù)雜的任務(wù)。之后，會根據(jù)反饋進(jìn)一步改進(jìn)現(xiàn)有版本。

關(guān)鍵詞： 任務(wù)數(shù)據(jù) 數(shù)據(jù)格式 改進(jìn)措施 輸入文本 任務(wù)描述