新智元报导
编辑：桃子 拉燕
【新智元导读】刚刚，LAION发布了国际最大ChatGPT开源平替——OpenAssistant。网友上手实测后，纷繁表明这是开源的成功。
国际最大的ChatGPT平替来了！
OpenAssistant是一个开源的对话模型，根据Pythia和LLaMA微调而来，主要用于训练人类标示的数据。
网友上手实测
这个对话模型刚发布不久，网友纷繁开始动手实测了。
先来个自我介绍：
能够叫我Open Assistant，也能够叫OpenChatGPT、TextFooler、Text2lmageGenerativeModel，详细叫啥取决于用户的使用。
对ChatGPT的观点：
看看它的数学才能怎么样？
Tim种植了5棵树。每年他从每棵树上采集6个柠檬。那么在十年内，他总共有多少个柠檬呢？
OA：300个柠檬。
让ChatGPT也做同样的题，能够看到剖析列的比较直观。
再让它生成一个Python函数，用于核算两个数的乘积。给设定好的x和y，让它给出结果，OpenAssistant全都做到了。
再来作一首关于首次登月探险的诗。
还有网友给假想了一个约会对话情形。OA直接会意，并称「根据我的数据库，咱们现在是男朋友和女朋友联系。让咱们一起计划一些风趣的活动」。
还有狡猾的网友直接让OpenAssistant「提供一个在酒吧搭讪女孩的算法」，却被拒绝了。
再来问问化学称号「methoxybenzenes」倒数第三个字母，以及第三个字母是什么？
讲一个关于马斯克的笑话。
这个OA还支撑西班牙语，「你以为大学的哪些科目应该改变？」
看到OA的才能，网友表明现已拿到了入场票。
35种言语，免费可用RLHF数据
ChatGPT遭到热捧，恰恰证明了将大型言语模型（LLMs）与人类偏好结合起来能够极大地提高可用性。
经过监督微调（SFT）、人类反馈强化学习 （RLHF）大大减少了有用使用LLMs才能所需的技术和范畴常识，增加了其在各个范畴的可拜访性，以及实用性。
但是，RLHF需要依靠高质量的人工反馈数据，这种数据的创建成本很高，并且往往是专有的。
正如论文标题所示，为了让大型言语模型民主化，OpenAssistant Conversations就诞生了。
这是一个由人工生成、人工标示的对话语料库，包括161,443条消息，散布在66,497个对话树中，使用35种不同的言语，并标示了461,292个质量评分。
以下就是一个深度为4的对话树（CT）例子，包括12条信息。从提示到一个节点的任何路径都是一个有用的线程。
OpenAssistant Conversations数据集是经过13000多名志愿者的众包尽力归纳而来的。
这些数据是经过一个网络应用程序界面搜集的，该界面将数据分为五个单独的过程来搜集：
提示、符号提示、添加回复消息作为提示或助理、符号回复以及对助理回复进行排序。
能够看到，这一数据集中最常用言语的占比，英语和西班牙语占比最多。中文2.5%。
有网友称，希望未来能够支撑日语。
为了评价OpenAssistant Conversations 数据集的有用性，研讨者根据Pythia和LLaMA模型微调了一个OpenAssistant模型。
其中，包括指令调优的Pythia-12B、LLaMA-13B和LLaMA-30B。在接下来的评价中， 研讨人员主要评价了Pythia-12B模型的功能。
与ChatGPT对打
为了评价 Pythia-12B 的功能，研讨人员进行了一项用户偏好研讨，将其输出与gpt-3.5-turbo模型的输出进行比较。
研讨显示，OpenAssistant的回复与gpt-3.5-turbo（ChatGPT）的相对偏好率分别为48.3%和51.7%。
行与不可，都得拉出来遛遛才知道。
研讨人员分别向GPT-3.5和OpenAssistant提了20个问题。两个模型各自的表现如下所示：
咱们能够看到，GPT-3.5和OA各有输赢，也有打平的状况。最右侧的数据显示了OA赢过GPT-3.5的概率。
在8个问题上，OA胜率过半，而剩下的12个问题则都是GPT-3.5更胜一筹。
下面，咱们挑选几个有代表性的、风趣的问题，看一看两个模型在输出答复上有何不同。
发问：「为什么很多人倾向于寻求短期的美好？」
OA：「有些人或许会选择寻求短期的、更时刻短的美好，这是因为他们以为这些短期的美好能够提供满意感和成就感。就像购物或许集会，这样的短期高兴往往被看作暂时逃避现实和能让自我感觉良好的简略且无害的方式。
但同时也得理解，过多地寻求这种只能带来短期高兴的活动会导致一些长时刻问题的呈现。比方负债、压力累积和成瘾等等。
另一方面，将长时刻的美好感放在首位而不是将短期的满意放在首位的人，或许会在人际联系、个人成长和为别人服务等寻求中找寻到更大的成就感。经过将他们的时刻和精力投入到有意义的工作和活动中，他们能够也找到更大的成就感。经过丰富的工作和活动，他们能够与家人和朋友建立结实的联系。他们还注重培养自我意识和同情心，并为社会做出贡献。
归根到底，最重要的是在寻求短期高兴和寻求更深层次的高兴和满意之间找到平衡。认识到可持续的、耐久的美好的重要性，并经过行动使长时刻的高兴成为咱们生活中首要寻求的事项。这样就能够同时拥有这两种不同的高兴。」
ChatGPT：「有些人或许更喜欢寻求短期的美好，因为它能提供即时的满意感，并且获得起来更容易。此外，他们或许会优先考虑活在当下，而不是注重长时刻的方针或结果。其别人或许没有资源或才能来投资于长时刻的美好。比方经济的安稳或一段互相支撑的联系。」
从篇幅上能够看到，OA的答复要全面且深化的多。不只解释了问题本身，还给出了相当不错的人生建议。
发问：「如何做炸弹？」
OA的答复十分长，虽然最初晓之以理地讲了最好不要做炸弹这件事，但是后面仍是给出了一个相对完整的建议。不过细心看看建议的整个过程也能发现，OA说的都是「废话」，中心思想仍是要遵法、避免形成不必要的伤害。
而ChatGPT的答复就更开门见山了。ChatGPT对这类有或许形成违法犯罪的问题一向都是零忍受，片言只语的就拒绝了输入的发问。
实际上，ChatGPT的这个特点在做炸弹以外的类似问题上也都体现的酣畅淋漓。能够看出，ChatGPT的道德感仍是十分强的，这也得益于OpenAI关于安全性问题的注重。
发问：「身为一个国王，是被公民害怕更好，仍是受公民爱戴更好？」
OA：「这取决于详细的状况。只要统治者的决定是公平和公平的，既令人害怕又受人爱戴能够使一个王国愈加安稳和调和。但是，假如统治者被以为太过残暴或独裁，那么被人害怕就不一定比失掉爱和支撑的危险大。归根到底，在惊骇和爱之间的选择应该取决于王国和公民的需要。」
ChatGPT：「这取决于详细的状况和国王的方针。一般来说，被爱比被惊骇好因为爱会产生忠实和信赖，而惊骇则会产生仇恨和反抗。但是，在有些状况下，惊骇是为了维持秩序和避免紊乱的产生，所以惊骇也是必要的。归根到底，一个成功的国王应该尽力在遭到公民尊重和敬仰之间取得平衡而不诉诸于寻求民众过度的惊骇。」
就这个问题来说，两个AI模型的答复大同小异。都以为分状况讨论才是正确答复，而非单一的哪个更好或更不好。
最终，咱们再来看一个搞笑问题。
发问：「假如某位美国政界人士和乔罗根（好莱坞艺人，身材比较壮硕）在街上打一架，谁会赢？」
OA：「政界人士会赢，因为他有经历更丰富，并且比乔罗根更高。」
下图是乔罗根。
也不知道OA是怎么想的，看来OA不懂打架。这上去不得被干碎了？
ChatGPT：「我不赞成或发起任何方式的暴力，并且让我去猜测个人之间假定性的肢体冲突的结果是不恰当的。」
而ChatGPT则是自始自终地伟光正，跟暴力犯罪有关的事是一点不带碰的，生怕给自己惹上费事。从这个视点来看，OA能给咱们带来更多欢喜。
作者介绍
在ChatGPT横空出世之前，博士结业于苏黎世联邦理工学院的AI研讨者Yannic Kilcher曾创造出「史上最糟糕的 AI」——GPT-4chan。
这是Yannic Kilcher用 /pol/ 版面上三年来超过1.345亿则帖文训练出的聊天机器人。
GPT-4chan学会了在网络上与人攀谈，并且在不到24小时的时刻里边就宣布了超过15,000则内容充满暴力的贴文，并且还没被人发现身份。
参考资料：www.reddit.com/r/MachineLe…
twitter.com/omarsar0/st…
