來源:新智元
開源先鋒StabilityAI一天扔了兩枚重磅炸彈:發布史上首個開源RLHF大語言模型,以及像素級圖像模型DeepFloydIF。開源社區狂喜!
最近,大名鼎鼎的StableDiffusion背后的公司,一連整了兩個大活。
首先,StabilityAI重磅發布了世上首個基于RLHF的開源LLM聊天機器人——StableVicuna。
StableVicuna基于Vicuna-13B模型實現,是第一個使用人類反饋訓練的大規模開源聊天機器人。
有網友經過實測后表示,StableVicuna就是目前當之無愧的13BLLM之王!
對此,1xexited創始人表示,這可以看作是自ChatGPT推出以來的第二個里程碑。
另外,StabilityAI發布了開源模型DeepFloydIF,這個文本到圖像的級聯像素擴散模型功能超強,可以巧妙地把文本集成到圖像中。
這個模型的革命性意義在于,它一連解決了文生圖領域的兩大難題:正確生成文字,正確理解空間關系!
秉持著開源的一貫傳統,DeepFloydIF在以后會完全開源。
StailibityAI,果然是開源界當之無愧的扛把子。
StableVicuna
世上首個開源RLHFLLM聊天機器人StableVicuna,由StabilityAI震撼發布!
Starknet基金會成立EAG委員會,將STRK代幣分配給早期構建者:3月23日消息,Starknet基金會成立Early Adopter Grants (EAG) 委員會,其任務是將STRK代幣初始分配給Starknet鏈上應用程序的早期構建者。這種代幣分配的目標是讓早期的建設者通過質押和投票參與網絡的運營。委員會預算高達10,000,000 STRK代幣,將通過多輪分配給項目方。[2023/3/23 13:20:29]
一位Youtube主播對StableVicuna進行了實測,StableVicuna在每一次測試中,都擊敗了前任王者Vicuna。
所以這位Youtuber激動地喊出:StableVicuna就是目前最強大的13BLLM模型,是當之無愧的LLM模型之王!
StableVicuna基于小羊駝Vicuna-13B模型實現,是Vicuna-13B的進一步指令微調和RLHF訓練的版本。
而Vicuna-13B是LLaMA-13B的一個指令微調模型。
從以下基準測試可以看出,StableVicuna與類似規模的開源聊天機器人在整體性能上的比較。
StableVicuna可以做基礎數學題。
Crystal 提供其區塊鏈偵查軟件的免費版本:金色財經報道,加密貨幣調查公司Crystal Blockchain推出了其交易跟蹤工具的免費版本,任何對他們或其他人的硬幣來源感到好奇的人都可以使用。
用戶將能夠檢查他們的加密貨幣或感興趣的交易是否與加密貨幣市場中的任何已知實體有關。例如,資金是否來自某個交易所或與已知的欺詐計劃有關。他們還將看到由 Crystal 計算的加密風險評分,表明由于代幣的交易歷史,資金在交易所被凍結的可能性Crystal Block Explorer將成為市場上專業區塊鏈分析工具的第一個零售版本。Crystal Blockchain首席執行官Marina Khaustova表示,“不僅僅是金融機構想要更好地了解他們與數字資產相關的活動,每個加密貨幣用戶都希望能夠更多地了解他們即將接受的資金,Crystal 的付費產品現在超過1,900 名客戶使用,其中大部分是數字資產服務提供商,包括 Upbit、Coinspaid 和 Rain”。(Coindesk)[2021/9/1 22:52:37]
可以寫代碼。
還能為你講解語法知識。
開源聊天機器人平替狂潮
StabilityAI想做這樣一個開源的聊天機器人,當然也是受了此前LLaMa權重泄露引爆的ChatGPT平替狂潮的影響。
從去年春天Character.ai的聊天機器人,到后來的ChatGPT和Bard,都引發了大家對開源平替的強烈興趣。
這些聊天模型的成功,基本都歸功于這兩種訓練范式:指令微調和人類反饋強化學習(RLHF)。
這期間,開發者一直在努力構建開源框架幫助訓練這些模型,比如trlX、trl、DeepSpeedChat和ColossalAI等,然而,卻并沒有一個開源模型,能夠同時應用指令微調和RLHF。
Gate.io Startup首發項目O3 24H最高漲幅達837.5%:據Gate.io芝麻開門行情顯示,截至今日14:08,Gate.io Startup首發項目SKRT,24H最高漲幅達837.5%,最高價格7.5美元,當前價格為4.9191美元,認購價格1美元,當前漲幅為514.88%,24H現貨交易量達448.46萬美元。近期行情波動較大,請注意控制風險。[2021/5/15 22:06:07]
大多數模型都是在沒有RLHF的情況下進行指令微調的,因為這個過程十分復雜。
最近,OpenAssistant、Anthropic和Stanford都開始向公眾提供RLHF數據集。
StabilityAI把這些數據集與trlX提供的RLHF相結合,就得到了史上第一個大規模指令微調和RLHF模型——StableVicuna。
訓練過程
為了實現StableVicuna的強大性能,研究者利用Vicuna作為基礎模型,并遵循了一種典型的三級RLHF管線。
Vicuna在130億參數LLaMA模型的基礎上,使用Alpaca進行調整后得到的。
他們混合了三個數據集,訓練出具有監督微調(SFT)的Vicuna基礎模型:
OpenAssistantConversationsDataset(OASST1),一個人工生成的、人工注釋的助理式對話語料庫,包含161,443條消息,分布在66,497個對話樹中,使用35種不同的語言;
GPT4AllPromptGenerations,由GPT-3.5Turbo生成的437,605個提示和響應的數據集;
Alpaca,這是由OpenAI的text-davinci-003引擎生成,包含52,000條指令和演示的數據集。
研究者使用trlx,訓練了一個獎勵模型。在以下這些RLHF偏好數據集上,研究者得到了SFT模型,這是獎勵模型的基礎。
OpenAssistantConversationsDataset(OASST1),包含7213個偏好樣本;
BitMax交易所上線 Swingby Staking服務:據官方消息,BitMax交易所于北京時間2020年7月29日 22:00(北京時間)上線 Swingby (SWINGBY)? Staking服務。
BitMax Staking業務主要特點為:
-1)支持快速解質押,無需等待解鎖期;
-2)質押資產參與杠桿交易,賺幣和交易兩不誤,獲取雙重收益;
-3)一鍵復利,自動復投,最大化收益。[2020/7/30]
AnthropicHH-RLHF,一個關于AI助手有用性和無害性的偏好數據集,包含160,800個人類標簽;
斯坦福人類偏好(SHP),這是一個數據集,包含348,718個人類對各種不同回答的集體偏好,包括18個從烹飪到哲學的不同學科領域。
最后,研究者使用了trlX,進行近端策略優化(ProximalPolicyOptimization,PPO)強化學習,對SFT模型進行了RLHF訓練,然后,StableVicuna就誕生了!
據StabilityAI稱,會進一步開發StableVicuna,并且會很快在Discord上推出。
另外,StabilityAI還計劃給StableVicuna一個聊天界面,目前正在開發中。
相關演示已經可以在HuggingFace上查看了,開發者也可以在HuggingFace上下載模型的權重,作為原始LLaMA模型的增量。
但如果想使用StableVicuna,還需要獲得原始LLaMA模型的訪問權限。
獲得權重增量和LLaMA權重后,使用GitHub存儲庫中提供的腳本將它們組合起來,就能得到StableVicuna-13B了。不過,也是不允許商用的。
BitMax上線KAVA Staking產品:據官方消息,BitMax已于北京時間4月16日上午10:00上線KAVA Staking服務。參與用戶每天都將獲得收益,質押次日即可領取,并支持快速解質押,立即贖回。
同時,北京時間4月16日上午10:00-5月16日上午10:00期間,BitMax用戶參與KAVA Staking可瓜分30,000枚KAVA(價值約15,000 USDT)獎勵。
更多詳情請至BTMX官網查詢。[2020/4/16]
DeepFloydIF
在同一時間,StabilityAI還放出了一個大動作。
你敢信,AI一直無法正確生成文字這個老大難問題,竟然被解決了?
沒錯,下面這張「完美」的招牌,就是由StabilityAI全新推出的開源圖像生成模型——DeepFloydIF制作的。
除此之外,DeepFloydIF還能夠生成正確的空間關系。
模型剛一發布,網友們已經玩瘋了:
prompt:Robotholdinganeonsignthatsays"Icanspell".
不過,對于prompt中沒有明確說明的文字,DeepFloydIF大概率還是會出錯。
prompt:AneonsignofanAmericanmotelatnightwiththesignjavilop
官方演示
順便一提,在硬件的需求上,如果想要實現模型所能支持的最大1,024x1,024像素輸出,建議使用24GB的顯存;如果只要256x256像素,16GB的顯存即可。
是的,RTX306016G就能跑。
代碼實現:https://gist.github.com/Stella2211/ab17625d63aa03e38d82ddc8c1aae151
開源版谷歌Imagen
2022年5月,谷歌高調發布了自家的圖像生成模型Imagen。
根據官方演示的效果,Imagen不僅在質量上完勝OpenAI最強的DALL-E2,更重要的是——它能夠正確地生成文本。
迄今為止,沒有任何一個開源模型能夠穩定地實現這一功能。
與其他生成式AI模型一樣,Imagen也依賴于一個凍結的文本編碼器:先將文本提示轉換為嵌入,然后由擴散模型解碼成圖像。但不同的是,Imagen并沒有使用多模態訓練的CLIP,而是使用了大型T5-XXL語言模型。
這次,StabilityAI推出的DeepFloydIF復刻的正是這一架構。
甚至在測試中,DeepFloydIF憑借著COCO數據集上6.66的zero-shotFID分數,直接超越了谷歌的Imagen,以及一眾競品。
下一代圖像生成AI模型
具體來說,DeepFloydIF是一個模塊化、級聯的像素擴散模型。
模塊化:
DeepFloydIF由幾個神經模塊組成,它們在一個架構中相互協同工作。
級聯:
DeepFloydIF以多個模型級聯的方式實現高分辨率輸出:首先生成一個低分辨率的樣本,然后通過連續的超分辨率模型進行上采樣,最終得到高分辨率圖像。
擴散:
DeepFloydIF的基本模型和超分辨率模型都是擴散模型,其中使用馬爾可夫鏈的步驟將隨機噪聲注入到數據中,然后反轉該過程從噪聲中生成新的數據樣本。
像素:
DeepFloydIF在像素空間工作。與潛在擴散模型不同,擴散是在像素級別實現的,其中使用潛在表征。
上面這個流程圖展示的就是,DeepFloydIF三個階段的性能:
階段1:
基本擴散模型將定性文本轉換為64x64圖像。DeepFloyd團隊已經訓練了三個版本的基本模型,每個版本都有不同的參數:IF-I400M、IF-I900M和IF-I4.3B。
階段2:
為了「放大」圖像,團隊將兩個文本條件超分辨率模型應用于基本模型的輸出。其中之一將64x64圖像放大到256x256圖像。同樣,這個模型也有幾個版本:IF-II400M和IF-II1.2B。
階段3:
應用第二個超分辨率擴散模型,生成生動的1024x1024圖像。最后的第三階段模型IF-III擁有700M參數。
值得注意的是,團隊還沒有正式發布第三階段的模型,但DeepFloydIF的模塊化特性讓我們可以使用其他上采樣模型——如StableDiffusionx4Upscaler。
團隊表示,這項工作展示了更大的UNet架構在級聯擴散模型的第一階段的潛力,從而為文本到圖像合成展示了充滿希望的未來。
數據集訓練
DeepFloydIF是在一個定制的高質量LAION-A數據集上進行訓練的,該數據集包含10億對。
LAION-A是LAION-5B數據集英文部分的一個子集,基于相似度哈希去重后獲得,對原始數據集進行了額外的清理和修改。DeepFloyd的定制過濾器用于刪除水印、NSFW和其他不適當的內容。
目前,DeepFloydIF模型的許可僅限于非商業目的的研究,在完成反饋的收集之后,DeepFloyd和StabilityAI團隊將發布一個完全免費的商業版本。
參考資料:
https://stability.ai/blog/stablevicuna-open-source-rlhf-chatbot
https://stability.ai/blog/deepfloyd-if-text-to-image-model
Tags:STATABVICUNAUNASuper Star CoinStable USDKizuna Global Token
翻譯:@鹿鹿?校對:@Diamond?精煉:@SCaesar?編排:@黑羽小斗 簡介: 快速普及了NFT的定義,解釋了加密世界如何實現NFT.
1900/1/1 0:00:00引言 GrayscaleEthereumTrust(ETHE)作為最大的美股上市交易的以太坊產品,持倉量高達300萬個ETH,然而目前其二級市場交易價格對比凈值存在近50%左右的折價.
1900/1/1 0:00:00近期,Meme狂熱,也帶動各種“土狗幣”亂飛。不明真相的吃瓜群眾,跟著“沖土狗”,結果卻誤入“貔貅盤”,資金也無法取回。下圖則是近期一位“貔貅盤”受害者來找到Beosin求助.
1900/1/1 0:00:00原文作者:ThorHartvigsen,加密?KOL原文編譯:Felix,PANews四月份,部分?VC?和聰明錢有一些大的投資組合變化.
1900/1/1 0:00:00本文來自Coingecko,原文作者:LimYuQian,由Odaily星球日報譯者Katie辜編譯.
1900/1/1 0:00:00原文作者:Jaleel、Leo,BlockBeats4月20日,Helium宣布已正式完成向Solana網絡的遷移,然而社區反應卻是一片唏噓.
1900/1/1 0:00:00