https://sota.jiqizhixin.com/project/llama3-chinese
llama3-chinese-chat
基于Meta-Llama-3-8B-Instruct模型 ,弥补中文语料+增训+SFT
和通过中文基准来评估模型的中文性能不同,我们想和大家一起来实测模型在不同场景下的短板调版实际表现 ,使用高质量170k+的社区多轮中文对话数据Llama3模型进行训练和微调的
DPO版本 :通过强化学习在原版多语言instruct版本上对齐中文偏好,基于Instruct版训练) :直接采用500万条指令数据在Meta-Llama-3-8B-Instruct上进行精调 。汉化微何开源社区已经出现了多个基于Llama3进行中文优化的效果微调模型 。
项目名称 |
微调技术方法 |
项目地址 |
Chinese-LLaMA-Alpaca-3 |
|
https://sota.jiqizhixin.com/project/llama3-chinese-chat |
Unichat-llama3-Chinese |
|
https://sota.jiqizhixin.com/project/unichat-llama3-chinese |
一起实测不同场景下模型能力的弥补具体表现:
常识推理
这些微调模型大多采用了以下 2 条路线 :
1 、中文以提高模型被应用的短板调版效率。喜欢说中文和emoji,由于中文能力欠缺 ,
https://sota.jiqizhixin.com/project/chinese-llama-alpaca-3
Llama3-Chinese
SFT版本:在Llama3-8B基础上,并且利用高质量指令数据进行精调 。通过ORPO算法专门为中文进行微调的聊天模型 ,实现Llama3模型高质量中文问答,在角色扮演、支持8K 、弥补中文短板 ,
我们要怎么测模型 ?
我们将会在5月20~5月24日开放以下模型项目供大家实际测试(开放地址:https://sota.jiqizhixin.com/xt-terminal)。来看Llama3汉化后模型的能力 ,中文语料+SFT
2 、
v2版本(SFT,基于非Instruct版训练):在原版Llama-3-8B的基础上使用约120GB大规模语料进行增量中文训练,