距離 ChatGPT 的最初發(fā)布，過去差不多四個月的時間了。在這期間，ChatGPT 的驚艷表現(xiàn)，讓人直呼 AIGC 是不是要提前實現(xiàn)了。

不過眾所周知的一個秘密是，ChatGPT 不大可能開源，加上巨大的算力投入以及海量的訓練數(shù)據(jù)等，都為研究界復制其實現(xiàn)過程設下重重關卡。

面對 ChatGPT 的來勢洶洶，開源平替是一個不錯的選擇，它們在實現(xiàn)相似功能的同時，還能讓你通過替代品了解 ChatGPT 的運行機理。

隨著技術的進步，現(xiàn)在已經(jīng)出現(xiàn)了許多其他類似于 ChatGPT 的新 AI 模型。本文我們將為大家盤點一下 ChatGPT 的開源平替項目。內容將分為兩部分，一部分為類 ChatGPT 開源項目匯總，另一部分是對該項目匯總的補充。

項目匯總

項目作者 nichtdax 整理了 9 個開源的 ChatGPT 平替項目。接下來會一一介紹。

項目地址：https://github.com/nichtdax/awesome-totally-open-chatgpt

PaLM-rlhf-pytorch?

第一個項目是「PaLM-rlhf-pytorch」，項目作者為 Phil Wang。該項目是在 PaLM 架構之上實現(xiàn) RLHF（人類反饋的強化學習），它基本上是使用 PaLM 的 ChatGPT。

該項目已在 GitHub 上獲得了 5.8k 的 Stars。

項目地址：https://github.com/lucidrains/PaLM-rlhf-pytorch

下圖為訓練流程。

OpenChatKit

第二個項目是「OpenChatKit」，它提供了一個強大的的開源基礎，為各種應用程序創(chuàng)建專用和通用的聊天機器人。該 kit 包含了一個經(jīng)過指令調優(yōu)的 200 億參數(shù)語言模型、一個 60 億參數(shù)調節(jié)模型和一個涵蓋自定義存儲庫最新響應的可擴展檢索系統(tǒng)。

OpenChatKit 是在 OIG-43M 訓練數(shù)據(jù)集上訓練的，該數(shù)據(jù)集是 Together、LAION 和 Ontocord.ai 三者的聯(lián)合。項目作者表示，這不僅僅是一個模型的發(fā)布，還是一個開源項目的開始。他們正在發(fā)布一套工具和流程，并通過社區(qū)貢獻持續(xù)改進。

該項目已在 GitHub 上獲得了 5.7k 的 Stars。

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

text-generation-webui

第三個項目是「text-generation-webui」，它是一個用于運行 GPT-J 6B、OPT、GALACTICA、LLaMA 和 Pygmalion 等大語言模型的 gradio web UI。該項目旨在成為文本生成領域的 AUTOMATIC1111/stable-diffusion-webui。

功能包括使用下拉菜單在不同模型之間切換、提供類似于 OpenAI playground 的筆記本模式、用于對話和角色扮演的聊天模式、為 GPT-4chan 生成漂亮的 HTML 輸出等等。

該項目已在 GitHub 上獲得了 3.4k 。

項目地址：https://github.com/oobabooga/text-generation-webui

KoboldAI-Client

第四個項目是「KoboldAI-Client」，它是一個基于瀏覽器的前端，通過多個本地和遠程 AI 模型實現(xiàn) AI 輔助寫作。

KoboldAI-Client 提供了一系列標準的工具，包括內存、作者注釋、世界信息、保存 & 加載、可調節(jié)的 AI 設置、格式化選項以及導入現(xiàn)有文字冒險游戲《AI Dungeon》的能力。你可以開啟 Adventure 模式，也可以玩 AI Dungeon Unleashed 之類的游戲。

該項目已在 GitHub 上獲得了 1.4k。

項目地址：https://github.com/KoboldAI/KoboldAI-Client

Open-Assistant

第五個項目是「Open-Assistant」，它旨在讓每一個人都可以訪問基于聊天的大語言模型。項目作者希望借此在語言創(chuàng)新方面掀起一場革命，就像 stable diffusion 幫助世界以新的方式創(chuàng)造藝術和圖像一樣。

項目作者計劃收集高質量人工生成指令執(zhí)行樣本（指示 + 響應），目標大于 50k。對于收集到的每個指示，他們將采樣多個補全結果。接下來進入基于指示和獎勵模型的 RLHF 訓練階段。

該項目已在 GitHub 上獲得了 19k 的 Stars。

項目地址：https://github.com/LAION-AI/Open-Assistant

stanford_alpaca

第六個項目是「stanford_alpaca」，它旨在建立和共享一個指令遵循的 LLaMA 模型。該 repo 包含了用于微調模型的 52k 數(shù)據(jù)、用于生成數(shù)據(jù)的代碼以及用于微調模型的代碼。

該項目已在 GitHub 上獲得了 9.5k 的 Stars。

項目地址：https://github.com/tatsu-lab/stanford_alpaca

ChatRWKV

第七個項目是「ChatRWKV」，它類似于 ChatGPT，但由 RWKV（100% RNN）模型支持，并且是開源的。項目作者表示，RWKV 是目前唯一能在質量和擴展方面媲美 transformers 的 RNN 模型，同時速度更快、節(jié)省 VRAM。

該項目已在 GitHub 上獲得了 3.5k 的 Stars。

項目地址：https://github.com/BlinkDL/ChatRWKV

ChatGLM-6B

第八個項目是由清華技術成果轉化的公司智譜 AI 開源、支持中英雙語的對話語言模型「ChatGLM-6B」，基于 General Language Model (GLM) 架構，具有 62 億參數(shù)。結合模型量化技術，用戶可以在消費級的顯卡上進行本地部署（INT4 量化級別下最低只需 6GB 顯存）。

ChatGLM-6B 使用了和 ChatGPT 相似的技術，針對中文問答和對話進行優(yōu)化。經(jīng)過約 1T 標識符的中英雙語訓練，輔以監(jiān)督微調、反饋自助、人類反饋強化學習等技術的加持，62 億參數(shù)的 ChatGLM-6B 已經(jīng)能生成相當符合人類偏好的回答。

不過由于 ChatGLM-6B 的規(guī)模較小，目前已知其具有相當多的局限性，如事實性 / 數(shù)學邏輯錯誤、可能生成有害 / 有偏見內容、較弱的上下文能力、自我認知混亂、以及對英文指示生成與中文指示完全矛盾的內容。

該項目已在 GitHub 上獲得了 6k 的 Stars。

項目地址：https://github.com/THUDM/ChatGLM-6B

xmtf

第九個項目是「xmtf」，包含了創(chuàng)建論文《Crosslingual Generalization through Multitask Finetuning》中介紹的 BLOOMZ、mT0 和 xP3 的所有組件。

其中 BLOOMZ 是一個 1760 億參數(shù)且可開放獲取的多語言模型；mT0（這里特指谷歌的 T5X）；xP3 是 46 種語言的有監(jiān)督數(shù)據(jù)集，帶有英語和機器翻譯的 prompts。

項目地址：https://github.com/bigscience-workshop/xmtf

除了上述提到的模型，ChatGPT 平替項目還包括基于 Meta 開源的大模型系列 LLaMA（Large Language Model Meta AI）的一些研究，這個系列模型的參數(shù)量從 70 億到 650 億不等。具有 130 億參數(shù)的 LLaMA 模型「在大多數(shù)基準上」可以勝過 GPT-3（ 參數(shù)量達 1750 億），而且可以在單塊 V100 GPU 上運行；而最大的 650 億參數(shù)的 LLaMA 模型可以媲美谷歌的 Chinchilla-70B 和 PaLM-540B。

• 論文鏈接：https://research.facebook.com/publications/llama-open-and-efficient-foundation-language-models/
• GitHub 鏈接：https://github.com/facebookresearch/llama

基于此研究，開發(fā)者也提出了幾個開源項目。

llama.cpp 無需 GPU，就能運行 LLaMA

llama.cpp 項目實現(xiàn)了在 MacBook 上運行 LLaMA，還有開發(fā)者成功的在 4GB RAM 的樹莓派上運行了 LLaMA 7B。總結而言，即使開發(fā)者沒有 GPU ，也能運行 LLaMA 模型。

項目地址：https://github.com/ggerganov/llama.cpp

ChatLLaMA?

由于 LLaMA 大模型系列沒有使用 RLHF 方法，因此初創(chuàng)公司 Nebuly AI 開源了 RLHF 版 LLaMA（ChatLLaMA）的訓練方法。它的訓練過程類似 ChatGPT，該項目允許基于預訓練的 LLaMA 模型構建 ChatGPT 形式的服務。與 ChatGPT 相比，LLaMA 架構更小，但訓練過程和單 GPU 推理速度更快，成本更低；該庫還支持所有的 LLaMA 模型架構（7B、13B、33B、65B），因此用戶可以根據(jù)訓練時間和推理性能偏好對模型進行微調。

項目地址：https://github.com/nebuly-ai/nebullvm/tree/main/apps/accelerate/chatllama

期待后續(xù)更多開源項目加入進來。