Openchat 3.5 0106

🚀 OPENCHAT

OPENCHAT 是一个基于混合质量数据推进的开源语言模型，在多个基准测试中表现优异，具备多种模式和新特性，能为用户提供高效的文本生成服务。

🚀 快速开始

要使用此模型，强烈建议按照我们仓库中的安装指南安装 OpenChat 包，并通过运行以下表格中的服务命令来使用与 OpenAI 兼容的 OpenChat API 服务器。该服务器使用 vLLM 进行了高吞吐量部署优化，可在具有 24GB 内存的消费级 GPU 上运行。若要启用张量并行，可在服务命令后追加 --tensor-parallel-size N。

服务器启动后，会在 localhost:18888 监听请求，并且与 OpenAI ChatCompletion API 规范兼容。请参考以下示例请求。此外，你还可以使用 OpenChat Web UI 获得更友好的用户体验。

如果你想将服务器部署为在线服务，可以使用 --api-keys sk-KEY1 sk-KEY2 ... 指定允许的 API 密钥，并使用 --disable-log-requests --disable-log-stats --log-file openchat.log 仅将日志记录到文件中。出于安全考虑，建议在服务器前使用 HTTPS 网关。

curl http://localhost:18888/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openchat_3.5",
    "messages": [{"role": "user", "content": "You are a large language model named OpenChat. Write a poem to describe yourself"}]
  }'

curl http://localhost:18888/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openchat_3.5",
    "condition": "Math Correct",
    "messages": [{"role": "user", "content": "10.3 − 7988.8133 = "}]
  }'

对话模板

💡 默认模式（GPT4 校正）：最适合编码、聊天和常规任务

GPT4 Correct User: Hello<|end_of_turn|>GPT4 Correct Assistant: Hi<|end_of_turn|>GPT4 Correct User: How are you today?<|end_of_turn|>GPT4 Correct Assistant:

🧮 数学推理模式：专为解决数学问题而设计

Math Correct User: 10.3 − 7988.8133=<|end_of_turn|>Math Correct Assistant:

⚠️ 注意：请记得将 <|end_of_turn|> 设置为生成结束标记。

默认（GPT4 校正）模板也可以作为集成的 tokenizer.chat_template 使用，这样就无需手动指定模板：

messages = [
    {"role": "user", "content": "Hello"},
    {"role": "assistant", "content": "Hi"},
    {"role": "user", "content": "How are you today?"}
]
tokens = tokenizer.apply_chat_template(messages, add_generation_prompt=True)
assert tokens == [1, 420, 6316, 28781, 3198, 3123, 1247, 28747, 22557, 32000, 420, 6316, 28781, 3198, 3123, 21631, 28747, 15359, 32000, 420, 6316, 28781, 3198, 3123, 1247, 28747, 1602, 460, 368, 3154, 28804, 32000, 420, 6316, 28781, 3198, 3123, 21631, 28747]

✨ 主要特性

（实验性）评估器/反馈功能

本次版本包含了评估器功能，旨在推动开源模型作为评估器的发展。你可以使用 默认模式（GPT4 校正） 和以下提示（与 Prometheus 相同）来评估响应。

###任务描述:
给定一个指令（可能包含输入）、一个待评估的响应、一个得分为 5 的参考答案以及一个代表评估标准的评分规则。
1. 严格根据给定的评分规则，撰写一份详细的反馈，评估响应的质量，而非进行一般性评估。
2. 撰写反馈后，给出一个 1 到 5 之间的整数分数。请参考评分规则。
3. 输出格式应如下所示："反馈: (针对标准撰写的反馈) [结果] (1 到 5 之间的整数)"
4. 请不要生成任何其他开头、结尾和解释内容。

###待评估的指令:
{orig_instruction}

###待评估的响应:
{orig_response}

###参考答案（得分 5）:
{orig_reference_answer}

###评分规则:
[{orig_criteria}]
得分 1: {orig_score1_description}
得分 2: {orig_score2_description}
得分 3: {orig_score3_description}
得分 4: {orig_score4_description}
得分 5: {orig_score5_description}

###反馈: 

📚 详细文档

基准测试

HumanEval+

OpenChat-3.5 与 Grok 对比

🔥 OpenChat-3.5-0106 (7B) 现在在 所有 4 项基准测试 中均优于 Grok-0 (33B)，在平均分和 3/4 项基准测试 中优于 Grok-1 (???B)。

*: Grok 的结果由 X.AI 报告。

🔧 技术细节

局限性

基础模型局限性

尽管 OpenChat 具有先进的能力，但仍然受到其基础模型固有局限性的约束。这些局限性可能会影响模型在以下领域的性能：

• 复杂推理
• 数学和算术任务
• 编程和编码挑战

生成不存在信息（幻觉）

OpenChat 有时可能会生成不存在或不准确的信息，即所谓的“幻觉”。用户应意识到这种可能性，并对从模型获得的任何关键信息进行验证。

安全性

OpenChat 有时可能会生成有害、仇恨言论、有偏见的响应，或回答不安全的问题。在需要安全和经过审核的响应的用例中，应用额外的 AI 安全措施至关重要。

📄 许可证

我们的 OpenChat 3.5 代码和模型遵循 Apache 许可证 2.0 进行分发。

📚 引用

@article{wang2023openchat,
  title={OpenChat: Advancing Open-source Language Models with Mixed-Quality Data},
  author={Wang, Guan and Cheng, Sijie and Zhan, Xianyuan and Li, Xiangang and Song, Sen and Liu, Yang},
  journal={arXiv preprint arXiv:2309.11235},
  year={2023}
}

💌 联系我们

我们期待听到你的声音，并希望在这个令人兴奋的项目上进行合作！

项目负责人：

• 王观 [imonenext at gmail dot com]
• Alpay Ariyak [aariyak at wpi dot edu]