ΠΡΠ΅Π΄ΡΡΠ°Π²Π΅Π½ Π΅ ΡΡΠ²ΠΌΠ΅ΡΡΠ΅Π½ ΠΏΡΠΎΠ΅ΠΊΡ Π½Π° RedPajama Π·Π° ΡΡΠ·Π΄Π°Π²Π°Π½Π΅ Π½Π° ΠΎΡΠ²ΠΎΡΠ΅Π½ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ Π·Π° ΠΌΠ°ΡΠΈΠ½Π½ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ ΠΈ ΠΏΡΠΈΠ΄ΡΡΠΆΠ°Π²Π°ΡΠΈ Π²Ρ ΠΎΠ΄Π½ΠΈ Π΄Π°Π½Π½ΠΈ Π·Π° ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅, ΠΊΠΎΠΈΡΠΎ ΠΌΠΎΠ³Π°Ρ Π΄Π° ΡΠ΅ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Ρ Π·Π° ΠΈΠ·Π³ΡΠ°ΠΆΠ΄Π°Π½Π΅ Π½Π° ΠΈΠ½ΡΠ΅Π»ΠΈΠ³Π΅Π½ΡΠ½ΠΈ Π°ΡΠΈΡΡΠ΅Π½ΡΠΈ, ΠΊΠΎΠΈΡΠΎ ΡΠ΅ ΠΊΠΎΠ½ΠΊΡΡΠΈΡΠ°Ρ Ρ ΠΊΠΎΠΌΠ΅ΡΡΠΈΠ°Π»Π½ΠΈ ΠΏΡΠΎΠ΄ΡΠΊΡΠΈ ΠΊΠ°ΡΠΎ ChatGPT. ΠΡΠ°ΠΊΠ²Π° ΡΠ΅, ΡΠ΅ Π½Π°Π»ΠΈΡΠΈΠ΅ΡΠΎ Π½Π° Π΄Π°Π½Π½ΠΈ Ρ ΠΎΡΠ²ΠΎΡΠ΅Π½ ΠΊΠΎΠ΄ ΠΈ Π³ΠΎΠ»Π΅ΠΌΠΈ Π΅Π·ΠΈΠΊΠΎΠ²ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ ΡΠ΅ ΠΏΡΠ΅ΠΌΠ°Ρ Π½Π΅ ΠΎΠ³ΡΠ°Π½ΠΈΡΠ΅Π½ΠΈΡΡΠ° Π½Π° Π½Π΅Π·Π°Π²ΠΈΡΠΈΠΌΠΈ Π΅ΠΊΠΈΠΏΠΈ, Π·Π°Π½ΠΈΠΌΠ°Π²Π°ΡΠΈ ΡΠ΅ Ρ ΠΈΠ·ΡΠ»Π΅Π΄Π²Π°Π½ΠΈΡ Π² ΠΎΠ±Π»Π°ΡΡΡΠ° Π½Π° ΠΌΠ°ΡΠΈΠ½Π½ΠΎΡΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅, ΠΈ ΡΠ΅ ΠΎΠΏΡΠΎΡΡΠΈ ΡΡΠ·Π΄Π°Π²Π°Π½Π΅ΡΠΎ Π½Π° ΡΠΏΠ΅ΡΠΈΠ°Π»ΠΈΠ·ΠΈΡΠ°Π½ΠΈ ΡΠΈΡΡΠ΅ΠΌΠΈ Π·Π° Π΄ΠΈΠ°Π»ΠΎΠ³. ΠΡΠ³Π°Π½ΠΈΠ·Π°ΡΠΈΠΈ ΠΈ ΠΎΠ±ΡΠ½ΠΎΡΡΠΈ ΠΊΠ°ΡΠΎ Together, Ontocord.ai, ETH DS3Lab, Stanford CRFM, Hazy Research ΠΈ MILA QuΓ©bec AI Institute ΡΠ΅ ΠΏΡΠΈΡΡΠ΅Π΄ΠΈΠ½ΠΈΡ Π° ΠΊΡΠΌ ΡΠ°Π±ΠΎΡΠ°ΡΠ° ΠΏΠΎ ΠΏΡΠΎΠ΅ΠΊΡΠ°.
ΠΡΡΠ²Π°ΡΠ° ΡΡΡΠΏΠΊΠ° Π±Π΅ΡΠ΅ ΠΏΡΠ±Π»ΠΈΠΊΡΠ²Π°Π½Π΅ΡΠΎ Π½Π° Π½Π°Π±ΠΎΡ ΠΎΡ Π΄Π°Π½Π½ΠΈ RedPajama-Data-1T ΠΎΡ 1.2 ΡΡΠΈΠ»ΠΈΠΎΠ½Π° ΡΠΈΠΌΠ²ΠΎΠ»ΠΈ Π·Π° ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ Π½Π° ΡΠ°Π·Π³ΠΎΠ²ΠΎΡΠ½ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ. ΠΠΎΠΌΠΏΠ»Π΅ΠΊΡΡΡ RedPajama Π²ΡΠ·ΠΏΡΠΎΠΈΠ·Π²Π΅ΠΆΠ΄Π° Π΄Π°Π½Π½ΠΈ ΠΎΡ ΠΏΡΠ±Π»ΠΈΡΠ½ΠΈ ΠΈΠ·ΡΠΎΡΠ½ΠΈΡΠΈ, ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½ΠΈ ΠΎΡ Facebook Π·Π° ΡΡΠ·Π΄Π°Π²Π°Π½Π΅ Π½Π° ΡΠ²ΠΎΡ ΠΌΠΎΠ΄Π΅Π» LLaMA (ΠΎΠ±ΡΠΎ 1.25 ΡΡΠΈΠ»ΠΈΠΎΠ½Π° ΡΠΎΠΊΠ΅Π½Π°), Π½ΠΎ ΡΠ΅ Π΄ΠΎΡΡΠ°Π²Ρ ΠΏΠΎΠ΄ ΠΎΡΠ²ΠΎΡΠ΅Π½ Π»ΠΈΡΠ΅Π½Π·, ΠΊΠΎΠΉΡΠΎ Π½Π΅ ΠΎΠ³ΡΠ°Π½ΠΈΡΠ°Π²Π° ΠΎΠ±Ρ Π²Π°ΡΠ° Π½Π° ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Π½Π΅ (Π΄Π°Π½Π½ΠΈΡΠ΅ ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈΡΠ΅ Π½Π° LLaMA ΡΠ° ΠΏΡΠ΅Π΄ΠΎΡΡΠ°Π²Π΅Π½ΠΈ ΡΠ°ΠΌΠΎ Π½Π° ΠΈΠ·ΡΠ»Π΅Π΄ΠΎΠ²Π°ΡΠ΅Π»ΠΈ ΠΎΡ ΡΠΏΠ΅ΡΠΈΠ°Π»Π½ΠΈ ΠΈΡΠΊΠ°Π½Π΅ Π·Π° Π½Π΅ΠΊΠΎΠΌΠ΅ΡΡΠΈΠ°Π»Π½Π° ΡΠΏΠΎΡΡΠ΅Π±Π°). ΠΠΎΠΌΠΏΠ»Π΅ΠΊΡΡΡ RedPajama-Data-1T Π·Π° ΠΈΠ·ΡΠ΅Π³Π»ΡΠ½Π΅ Π΅ 2.67 TB ΠΈ Π²ΠΊΠ»ΡΡΠ²Π° ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΠΎΡ ΠΈΠ½Π΄Π΅ΠΊΡΠΈΡΠ°Π½ΠΈ Ρ Common Crawl ΡΠ΅Π± ΡΡΡΠ°Π½ΠΈΡΠΈ, Π°ΡΡ ΠΈΠ²ΠΈ Π½Π° Wikipedia, ΠΈΠ·Ρ ΠΎΠ΄Π΅Π½ ΠΊΠΎΠ΄ ΠΎΡ GitHub, ΠΏΡΠ±Π»ΠΈΡΠ½ΠΈ ΠΊΠ½ΠΈΠ³ΠΈ ΠΎΡ Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠ°ΡΠ° Gutenberg, Π½Π°ΡΡΠ½ΠΈ ΡΡΠ°ΡΠΈΠΈ ΠΎΡ Π°ΡΡ ΠΈΠ²Π° ArXiv ΠΈ Π΄ΠΈΡΠΊΡΡΠΈΠΈ ΡΡΡ Stack Overflow ΠΈ Π΄ΡΡΠ³ΠΈ Stack ΠΠ±ΠΌΠ΅Π½Π½ΠΈ ΡΠ°ΠΉΡΠΎΠ²Π΅.
ΠΠΎΡΠΎΠ²ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ, ΠΎΠ±ΡΡΠ΅Π½ΠΈ Π½Π° Π±Π°Π·Π°ΡΠ° Π½Π° ΠΏΠΎΠ΄Π³ΠΎΡΠ²Π΅Π½ΠΈΡ Π½Π°Π±ΠΎΡ ΠΎΡ Π΄Π°Π½Π½ΠΈ ΠΈ ΠΎΠΏΡΠΈΠΌΠΈΠ·ΠΈΡΠ°Π½ΠΈ Ρ ΠΏΠΎΠΌΠΎΡΡΠ° Π½Π° Π³ΠΎΡΠΎΠ²ΠΈ ΠΏΡΠΈΠΌΠ΅ΡΠΈ Π·Π° Π΄ΠΈΠ°Π»ΠΎΠ·ΠΈ ΠΏΠΎΠ΄ ΡΠΎΡΠΌΠ°ΡΠ° Π½Π° ΠΈΠ½ΡΡΡΡΠΊΡΠΈΠΈ-ΠΈΠ·ΠΏΡΠ»Π½Π΅Π½ΠΈΠ΅ ΠΎΡ ΠΏΡΠΎΠ΅ΠΊΡΠΈΡΠ΅ Alpaca ΠΈ OpenChatKit, ΡΠ΅ ΠΏΠ»Π°Π½ΠΈΡΠ° Π΄Π° Π±ΡΠ΄Π°Ρ ΡΠΎΡΠΌΠΈΡΠ°Π½ΠΈ ΠΏΡΠ΅Π· ΡΠ»Π΅Π΄Π²Π°ΡΠΈΡΠ΅ Π½ΡΠΊΠΎΠ»ΠΊΠΎ ΡΠ΅Π΄ΠΌΠΈΡΠΈ. ΠΠΎΠ΄ΠΎΠ±Π½ΠΈ ΠΈΠ½ΠΈΡΠΈΠ°ΡΠΈΠ²ΠΈ Π·Π° Π΅Π·ΠΈΠΊΠΎΠ²ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ Π²ΠΊΠ»ΡΡΠ²Π°Ρ ΠΏΡΠΎΠ΅ΠΊΡΠΈΡΠ΅ Ρ ΡΠ°ΡΡΠΈΡΠ½ΠΎ ΠΎΡΠ²ΠΎΡΠ΅Π½ ΠΊΠΎΠ΄ LLaMA, Alpaca, Vicuna ΠΈ Koala, ΠΊΠ°ΠΊΡΠΎ ΠΈ ΠΈΠ½ΠΈΡΠΈΠ°ΡΠΈΠ²ΠΈΡΠ΅ Ρ Π½Π°ΠΏΡΠ»Π½ΠΎ ΠΎΡΠ²ΠΎΡΠ΅Π½ ΠΊΠΎΠ΄ Pythia, OpenChatKit, Open Assistant ΠΈ Dolly.
ΠΡΠ²Π΅Π½ ΡΠΎΠ²Π° ΠΈΠΌΠ° Π½ΡΠΊΠΎΠ»ΠΊΠΎ Π½ΠΎΠ²ΠΈ ΠΏΡΠΎΠ΅ΠΊΡΠ°, ΡΠ²ΡΡΠ·Π°Π½ΠΈ Ρ ΠΌΠ°ΡΠΈΠ½Π½ΠΎΡΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅:
- MiniGPT-4 - ΡΠ°Π·ΡΠΈΡΡΠ²Π° ΡΡΠ°Π΄ΠΈΡΠΈΠΎΠ½Π½ΠΈΡΠ΅ ΡΠ°Π·Π³ΠΎΠ²ΠΎΡΠ½ΠΈ ΡΠ°ΡΠ±ΠΎΡΠΎΠ²Π΅ Ρ Π²ΡΠ·ΠΌΠΎΠΆΠ½ΠΎΡΡΠΈ, ΠΊΠΎΠΈΡΠΎ ΠΎΡΡΠΈΡΠ°Ρ Π²ΠΈΠ·ΡΠ°Π»Π½Π° ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ, ΠΊΠΎΠ΅ΡΠΎ Π²ΠΈ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ²Π° Π΄Π° Π°Π½Π°Π»ΠΈΠ·ΠΈΡΠ°ΡΠ΅ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ ΠΈ Π΄Π° Π²Π·Π΅ΠΌΠ΅ΡΠ΅ ΠΏΡΠ΅Π΄Π²ΠΈΠ΄ ΡΡΠΊΠΎΠΏΠΈΡΠ΅Π½ ΡΠ΅ΠΊΡΡ Π² ΠΏΡΠΎΡΠ΅ΡΠ° Π½Π° Π²Π·Π°ΠΈΠΌΠΎΠ΄Π΅ΠΉΡΡΠ²ΠΈΠ΅ ΡΡΡ ΡΠΈΡΡΠ΅ΠΌΠ°ΡΠ° (Π½Π°ΠΏΡΠΈΠΌΠ΅Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ Π΄Π° ΠΏΠΎΠΏΠΈΡΠ°ΡΠ΅ ΠΊΠ°ΠΊΡΠ² Π²ΠΈΠ΄ ΠΎΠ±Π΅ΠΊΡ Π΅ ΠΏΠΎΠΊΠ°Π·Π°Π½ Π½Π° ΡΠ½ΠΈΠΌΠΊΠ°ΡΠ°, ΠΏΠΎΠΌΠΎΠ»Π΅ΡΠ΅ Π±ΠΎΡΠ° Π΄Π° Π½Π°ΠΏΠΈΡΠ΅ ΠΈΡΡΠΎΡΠΈΡ Π²ΡΠ· ΠΎΡΠ½ΠΎΠ²Π° Π½Π° ΡΠΎΠ²Π°, ΠΊΠΎΠ΅ΡΠΎ Π΅ ΠΏΠΎΠΊΠ°Π·Π°Π½ΠΎ Π½Π° ΡΠ½ΠΈΠΌΠΊΠ°ΡΠ°, ΠΈΠ»ΠΈ Π²ΡΠ· ΠΎΡΠ½ΠΎΠ²Π° Π½Π° ΡΡ Π΅ΠΌΠ°ΡΠΈΡΠ½Π° ΡΠΊΠΈΡΠ°, ΠΏΠΎΠΌΠΎΠ»Π΅ΡΠ΅ Π΄Π° ΡΡΠ·Π΄Π°Π΄Π΅ ΡΠ΅Π±ΡΠ°ΠΉΡ). Π Π΅Π°Π»ΠΈΠ·Π°ΡΠΈΡΡΠ° Π½Π° MiniGPT-4 Π΅ Π½Π°ΠΏΠΈΡΠ°Π½Π° Π½Π° Python ΠΈ ΡΠ΅ ΡΠ°Π·ΠΏΡΠΎΡΡΡΠ°Π½ΡΠ²Π° ΠΏΠΎΠ΄ Π»ΠΈΡΠ΅Π½Π· BSD.
- Facebook ΠΏΡΠ±Π»ΠΈΠΊΡΠ²Π° Π½Π°Π±ΠΎΡ ΠΎΡ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½ΡΠΈ ΠΈ ΡΠ°ΠΌΠΎΠΎΠ±ΡΡΠ°Π²Π°Ρ ΡΠ΅ (SSL, Self-Supervised Learning, Π½Π΅ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π° Π΅ΡΠΈΠΊΠ΅ΡΠΈ ΠΈ Π°Π½ΠΎΡΠ°ΡΠΈΠΈ, ΠΏΠΎΠ΄Π³ΠΎΡΠ²Π΅Π½ΠΈ ΠΎΡ ΡΠΎΠ²Π΅ΠΊΠ°) DINOv2 ΠΌΠΎΠ΄Π΅Π» Π½Π° ΠΌΠ°ΡΠΈΠ½Π½ΠΎ Π·ΡΠ΅Π½ΠΈΠ΅, ΠΏΠΎΠ΄Ρ ΠΎΠ΄ΡΡ Π·Π° ΡΠ΅ΡΠ°Π²Π°Π½Π΅ Π½Π° ΠΏΡΠΎΠ±Π»Π΅ΠΌΠΈ Ρ Π³Π΅Π½Π΅ΡΠ°Π»ΠΈΠ·ΠΈΡΠ°Π½Π° ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠ° Π½Π° Π²ΠΈΠ·ΡΠ°Π»Π½ΠΈ Π΄Π°Π½Π½ΠΈ (ΠΊΠ»Π°ΡΠΈΡΠΈΠΊΠ°ΡΠΈΡ Π½Π° ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ, ΠΈΠ·Π²Π»ΠΈΡΠ°Π½Π΅ Π½Π° ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ Π·Π° ΠΎΠ±Π΅ΠΊΡΠΈ Π² ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ, ΡΠ°Π·Π±ΠΈΡΠ°Π½Π΅ Π½Π° ΡΠ»ΡΡΠ²Π°ΡΠΎΡΠΎ ΡΠ΅ Π½Π° Π²ΠΈΠ΄Π΅ΠΎ) ΠΈ ΠΌΠ°Π½ΠΈΠΏΡΠ»Π°ΡΠΈΠΈ Π½Π° Π½ΠΈΠ²ΠΎ ΠΏΠΈΠΊΡΠ΅Π» (ΠΏΡΠ΅Π΄ΡΠΊΠ°Π·Π²Π°Π½Π΅ Π½Π° Π΄ΡΠ»Π±ΠΎΡΠΈΠ½Π°, ΡΠ΅Π³ΠΌΠ΅Π½ΡΠΈΡΠ°Π½Π΅). ΠΠΎΠ΄Π΅Π»ΡΡ Π΅ ΠΎΠ±ΡΡΠ΅Π½ Π²ΡΡΡ Ρ ΠΊΠΎΠ»Π΅ΠΊΡΠΈΡ ΠΎΡ 142 ΠΌΠΈΠ»ΠΈΠΎΠ½Π° ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ. Π Π΅Π°Π»ΠΈΠ·Π°ΡΠΈΡΡΠ° Π΅ Π½Π°ΠΏΠΈΡΠ°Π½Π° Π½Π° Python ΠΈ ΡΠ΅ ΡΠ°Π·ΠΏΡΠΎΡΡΡΠ°Π½ΡΠ²Π° ΠΏΠΎΠ΄ Π»ΠΈΡΠ΅Π½Π· Creative Commons Attribution-NonCommercial 4.0, ΠΊΠΎΠΉΡΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ²Π° Π½Π΅ΠΊΠΎΠΌΠ΅ΡΡΠΈΠ°Π»Π½Π° ΡΠΏΠΎΡΡΠ΅Π±Π°.
- GPT4All Π΅ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½ΡΠ°ΡΠΈΡΠΌ Π·Π° Π±ΡΡΠ·ΠΎ ΡΡΠ°ΡΡΠΈΡΠ°Π½Π΅ Π½Π° ΡΠ°ΠΌΠΎΡΡΠΎΡΡΠ΅Π»Π½ΠΈ ΡΠ°ΡΠ±ΠΎΡΠΎΠ²Π΅ Π½Π° ΡΠ΅Ρ Π½ΠΈΡ ΡΠΎΠ±ΡΡΠ²Π΅Π½ Ρ Π°ΡΠ΄ΡΠ΅Ρ (ΡΠ΅ Π½ΡΠΌΠ°Ρ Π΄ΠΎΡΡΡΠΏ Π΄ΠΎ Π²ΡΠ½ΡΠ½ΠΈ ΡΡΠ»ΡΠ³ΠΈ ΠΈ ΠΈΠ·ΠΏΠΎΠ»Π·Π²Π°Ρ ΠΏΡΠΎΡΠ΅ΡΠΎΡΠΈ Ρ ΠΏΠΎΠ΄Π΄ΡΡΠΆΠΊΠ° Π½Π° AVX2 Π·Π° ΠΈΠ·ΠΏΡΠ»Π½Π΅Π½ΠΈΠ΅). ΠΠΎΠ΄Π΄ΡΡΠΆΠ° ΡΠ΅ ΡΠ²ΡΡΠ·Π²Π°Π½Π΅ Π½Π° Π³ΠΎΠ»Π΅ΠΌΠΈ Π΅Π·ΠΈΠΊΠΎΠ²ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ, Π±Π°Π·ΠΈΡΠ°Π½ΠΈ Π½Π° GPT-J ΠΈ LLaMa. ΠΠΎΠ΄ΡΡ Π΅ Π½Π°ΠΏΠΈΡΠ°Π½ Π½Π° Python ΠΈ ΡΠ΅ ΡΠ°Π·ΠΏΡΠΎΡΡΡΠ°Π½ΡΠ²Π° ΠΏΠΎΠ΄ Π»ΠΈΡΠ΅Π½Π·Π° Π½Π° MIT.
ΠΠ·ΡΠΎΡΠ½ΠΈΠΊ: opennet.ru