प्रकाशित OpenChatKit, चॅटबॉट्स तयार करण्यासाठी टूलकिट

OpenChatKit ओपन सोर्स टूलकिट सादर केले आहे, ज्याचा उद्देश विशेष आणि सामान्य वापरासाठी चॅटबॉट्सची निर्मिती सुलभ करणे आहे. प्रश्नांची उत्तरे देणे, बहु-स्टेज संवाद आयोजित करणे, सारांश करणे, माहिती काढणे आणि मजकूराचे वर्गीकरण करणे यासारखी कार्ये करण्यासाठी सिस्टम अनुकूल आहे. कोड Python मध्ये लिहिलेला आहे आणि Apache 2.0 लायसन्स अंतर्गत वितरित केला आहे. या प्रकल्पात तयार मॉडेल, तुमच्या मॉडेलला प्रशिक्षण देण्यासाठी कोड, मॉडेलच्या परिणामांची चाचणी घेण्यासाठी उपयुक्तता, बाह्य निर्देशांकाच्या संदर्भासह मॉडेलला पूरक अशी साधने आणि तुमच्या स्वतःच्या समस्या सोडवण्यासाठी बेस मॉडेलचे रुपांतर करणे समाविष्ट आहे.

बॉट बेसिक मशीन लर्निंग मॉडेल (GPT-NeoXT-Chat-Base-20B) वर आधारित आहे, जे सुमारे 20 अब्ज पॅरामीटर्स कव्हर करणारे भाषा मॉडेल वापरून तयार केले आहे आणि संभाषणात्मक संप्रेषणासाठी अनुकूल आहे. मॉडेलला प्रशिक्षित करण्यासाठी, LAION, Together आणि Ontocord.ai प्रकल्प संकलनातून मिळालेला डेटा वापरला गेला.

विद्यमान ज्ञानाचा आधार वाढवण्यासाठी, एक प्रणाली प्रस्तावित आहे जी बाह्य भांडार, API आणि इतर स्त्रोतांकडून अतिरिक्त माहिती पुनर्प्राप्त करू शकते. उदाहरणार्थ, विकिपीडिया आणि न्यूज फीडमधील डेटा वापरून माहिती अपडेट करणे शक्य आहे. एक पर्यायी मॉडरेशन मॉडेल उपलब्ध आहे, जे 6 बिलियन पॅरामीटर्सवर प्रशिक्षित आहे आणि GPT-JT मॉडेलवर आधारित आहे, अयोग्य प्रश्न फिल्टर करण्यासाठी किंवा विशिष्ट विषयांवर चर्चा मर्यादित करण्यासाठी.

स्वतंत्रपणे, आम्ही ChatLLaMA प्रकल्पाचा उल्लेख करू शकतो, जो ChatGPT प्रमाणेच बुद्धिमान सहाय्यक तयार करण्यासाठी लायब्ररी ऑफर करतो. हा प्रकल्प तुमच्या स्वत:च्या उपकरणांवर चालण्याच्या आणि ज्ञानाच्या अरुंद क्षेत्रांना (उदाहरणार्थ, औषध, कायदा, खेळ, वैज्ञानिक संशोधन इ.) कव्हर करण्यासाठी डिझाइन केलेले वैयक्तिक समाधान तयार करण्याच्या शक्यतेवर लक्ष ठेवून विकसित केले जात आहे. ChatLLaMA कोड GPLv3 अंतर्गत परवानाकृत आहे.

प्रकल्प मेटा द्वारे प्रस्तावित LLaMA (लार्ज लँग्वेज मॉडेल मेटा एआय) आर्किटेक्चरवर आधारित मॉडेल्सच्या वापरास समर्थन देतो. संपूर्ण LLaMA मॉडेलमध्ये 65 अब्ज पॅरामीटर्स समाविष्ट आहेत, परंतु ChatLLaMA साठी 7 आणि 13 अब्ज पॅरामीटर्स किंवा GPTJ (6 अब्ज), GPTNeoX (1.3 अब्ज), 20BOPT (13 अब्ज), BLOOM (7.1 अब्ज) आणि पर्याय वापरण्याची शिफारस केली जाते. गॅलॅक्टिका (6.7 अब्ज) मॉडेल). सुरुवातीला, LLaMA मॉडेल केवळ विशेष विनंतीनुसार संशोधकांना पुरवले जात होते, परंतु डेटा वितरीत करण्यासाठी टॉरंटचा वापर केला जात असल्याने, उत्साही लोकांनी एक स्क्रिप्ट तयार केली ज्याने कोणालाही मॉडेल डाउनलोड करण्याची परवानगी दिली.

स्त्रोत: opennet.ru