Llama3自上个月发布以来，被称为社区最强开源模型。由于中文能力欠缺，为了弥补这一短板，开源社区已经出现了多个基于Llama3进行中文优化的微调模型。
这些微调模型大多采用了以下 2 条路线：
1、中文语料+SFT
2、中文语料+增训+SFT
和通过中文基准来评估模型的性能不同，我们想和大家一起来实测模型在不同场景下的实际表现，来看Llama3汉化后模型的能力，以提高模型被应用的效率。
我们要怎么测模型？
我们将会在5月20~5月24日开放以下模型项目供大家实际测试（开放地址：https://sota.jiqizhixin.com/xt-terminal）。
   项目名称
         微调技术方法
       项目地址
Chinese-LLaMA-Alpaca-3
  • v1版本（PT+SFT，基于非Instruct版训练）：在原版Llama-3-8B的基础上使用约120GB大规模语料进行增量中文训练，并且利用高质量指令数据进行精调。
  • v2版本（SFT，基于Instruct版训练）：直接采用500万条指令数据在Meta-Llama-3-8B-Instruct上进行精调。
https://sota.jiqizhixin.com/project/chinese-llama-alpaca-3
Llama3-Chinese
  • SFT版本：在Llama3-8B基础上，使用高质量170k+的多轮中文对话数据Llama3模型进行训练和微调的
  • DPO版本：通过强化学习在原版多语言instruct版本上对齐中文偏好，喜欢说中文和emoji，且不损伤原instruct版模型能力
https://sota.jiqizhixin.com/project/llama3-chinese
llama3-chinese-chat
  • 基于Meta-Llama-3-8B-Instruct模型，通过ORPO算法专门为中文进行微调的聊天模型，在角色扮演、函数调用和数学方面表现出色
https://sota.jiqizhixin.com/project/llama3-chinese-chat
Unichat-llama3-Chinese
  • 以Meta-Llama-3-8B为基础，增加中文数据进行训练，实现Llama3模型高质量中文问答，支持8K、28K上下文
https://sota.jiqizhixin.com/project/unichat-llama3-chinese
一起实测不同场景下模型能力的具体表现：
常识推理
代码助手
物理公式证明

参与实测，能够获得什么？

1、加入实测社群，通过实测和交流测试 Case，了解开源中文汉化 Llama3 在文本创意生成、角色扮演、工具调用、代码等任务的中文场景下表现如何？
2、中文 Llama3 汉化后是否会有损原来 Llama3 的能力？如果有损的话该如何解决？
3、和行业搞大模型开发的朋友，交流大模型开发所支持的工具链生态（推理加速、微调框架），以及延伸应用开发情况。
这周三（晚19:00-20:00）我们还邀请到了 Llama3-chinese 项目发起人和我们分享：使用DPO微调 Llama3 模型的全链路实践。
👉欢迎扫码加入我们的实测社群~以及预约直播，一起来实测、聊模型微调细节~

继续阅读
阅读原文