ChatGLM-6B (chatglm_6b)

数据描述： ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。

文档
数据简介

知识库：[在BigQuant AIStudio里玩转 ChatGLM](https://bigquant.com/wiki/doc/ChatGLM-vutZ4nhz4g) ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答，更多信息请参考我们的博客。 为了方便下游开发者针对自己的应用场景定制模型，我们同时实现了基于 P-Tuning v2 的高效参数微调方法 (使用指南) ，INT4 量化级别下最低只需 7GB 显存即可启动微调。 不过，由于 ChatGLM-6B 的规模较小，目前已知其具有相当多的局限性，如事实性/数学逻辑错误，可能生成有害/有偏见内容，较弱的上下文能力，自我认知混乱，以及对英文指示生成与中文指示完全矛盾的内容。请大家在使用前了解这些问题，以免产生误解。更大的基于 1300 亿参数 GLM-130B 的 ChatGLM 正在内测开发中。

用例
参考 [在BigQuant AIStudio里玩转 ChatGLM](https://bigquant.com/wiki/doc/ChatGLM-vutZ4nhz4g) ``` import dai mnt = dai.DataSource("chatglm_6b_int4").mount() from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained(mnt.path, trust_remote_code=True) model = AutoModel.from_pretrained(mnt.path, trust_remote_code=True).half().cuda() model = model.eval() response, history = model.chat(tokenizer, f"中国最好一所大学是？", history=history) print(response) mnt.unmount() ```
表结构
字段 字段类型 字段描述

表名chatglm_6b

起始时间：

最近更新时间：

数据平台