CoderJ-ONE/DecryptPrompt

总结Prompt&LLM论文，开源数据&模型，AIGC应用

DecryptPrompt

持续更新以下内容，Star to keep updated~

1. 开源LLM
2. 指令微调和RLHF数据以及训练框架
3. Prompt和LLM相关论文按细分方向梳理
4. AIGC相关应用
5. Prompt指南和教程
6. ChatGPT及AGI相关解读
7. ChatGPT相关商业应用

My blogs & ChatGPT应用

• 解密Prompt系列1. Tunning-Free Prompt：GPT2 & GPT3 & LAMA & AutoPrompt
• 解密Prompt系列2. 冻结Prompt微调LM： T5 & PET & LM-BFF
• 解密Prompt系列3. 冻结LM微调Prompt: Prefix-tuning & Prompt-tuning & P-tuning
• 解密Prompt系列4. 升级Instruction Tuning：Flan/T0/InstructGPT/TKInstruct
• 解密prompt系列5. APE+SELF=自动化指令集构建代码实现
• ChatGPT应用1. MakeInstruction零人工指令样本构建
• ChatGPT应用2. ChatPDF简单复现

模型和数据

国外模型

模型链接	模型描述
Google Bard	谷歌bard虽迟但到，可以申请waitlist了
Claude	ChatGPT最大竞争对手Claude也开放申请了，slack中无限试用
LLaMA	Meta开源指令微调LLM，规模70 亿到 650 亿不等
ChatLLaMA	基于RLHF微调了LLaMA
Alpaca	斯坦福开源的使用52k数据在7B的LLaMA上微调得到，
Alpaca-lora	LORA微调的LLaMA
Vicuna	Alpaca前成员等开源以LLama13B为基础使用ShareGPT指令微调的模型，提出了用GPT4来评测模型效果
MiniGPT4	Vicuna+BLIP2 文本视觉融合
StackLLama	LLama使用Stackexchange数据+SFT+RL
Cerebras	Cerebras开源了1亿到130亿的7个模型，从预训练数据到参数全开源
PaLM-E	谷歌多模态大模型，540B的PaLM语言模型和22B的ViT视觉模型相结合，得到562B的PaLM-E模型，在机器人应用场景有了新的突破
Dolly-v2	可商用 7b指令微调开源模型
MetaLM	微软开源的大规模自监督预训练模型
Amazon Titan	亚马逊在aws上增加自家大模型
OPT-IML	Meta复刻GPT3，up to 175B, 不过效果并不及GPT3
Bloom	BigScience出品，规模最大176B
BloomZ	BigScience出品, 基于Bloom微调
Galacia	和Bloom相似，更针对科研领域训练的模型
T0	BigScience出品，3B~11B的在T5进行指令微调的模型

国内模型

模型链接	模型描述
ChatGLM	清华开源的、支持中英双语的对话语言模型，使用了代码训练，指令微调和RLHF。和以下GLM相同大小的130B的模型还在开发中。试用了下超出预期！
Moss	为复旦正名！开源了预训练，指令微调的全部数据和模型
Wombat-7B	达摩院开源无需强化学习使用RRHF对齐的语言模型
Chinese-LLaMA-Alpaca	哈工大中文指令微调的LLaMA
Luotuo	中文指令微调的LLaMA，和ChatGLM
文心一言	已经拿到邀请码并试用，虽然人格化程度显著低，但效果上并没有很拉胯，国产YYDS！不过商业化霸王条款确实不少
通义千问	阿里系LLM开放申请，还没拿到邀请码，等待ing
Phoenix	港中文开源凤凰和奇美拉LLM，Bloom基座，40+语言支持
Guanaco	LLama 7B基座，在alpaca52K数据上加入534K多语言指令数据微调
Chinese Vincuna	LLama 7B基座，使用Belle+Guanaco数据训练
Baize	使用100k self-chat对话数据微调的LLama
BELLE	使用ChatGPT生成数据对开源模型进行中文优化
PromptCLUE	多任务Prompt语言模型
PLUG	阿里达摩院发布的大模型，提交申请会给下载链接
CPM2.0	智源发布CPM2.0
GLM	清华发布的中英双语130B预训练模型

指令微调&RL工具

工具描述	链接
LoRA：Low-Rank指令微调方案	https://github.com/tloen/alpaca-lora
peft：parameter-efficient prompt tunnging工具集	https://github.com/huggingface/peft
RL4LMs：AllenAI的RL工具	https://github.com/allenai/RL4LMs
trl：基于Transformer的强化训练框架	https://github.com/lvwerra/trl
trlx：分布式训练trl	https://github.com/CarperAI/trlx
RL4LMs：AllenAI的RL工具	https://github.com/allenai/RL4LMs
LMFlow：港科大实验室开源的大模型微调框架，支持以上多数开源模型的指令微调和RLHF	https://github.com/OptimalScale/LMFlow
Deepspeed：针对RL训练和推理的整合优化	https://github.com/microsoft/DeepSpeed
langchain：LLM工具集	https://github.com/hwchase17/langchain
BMTTools: 清华出品类似langchain	https://github.com/OpenBMB/BMTools
BabyAGI：自执行LLM Agent	https://github.com/yoheinakajima/babyagi
AutoGPT：自执行LLM Agent	https://github.com/Torantulino/Auto-GPT
Jarvis: 大模型调用小模型框架，给小模型一个未来！	https://github.com/search?q=jarvis

开源数据

无敌：https://github.com/PhoebusSi/Alpaca-CoT 分类归纳整理了众多数据集并统一了数据格式，附Huggingface Data, 无脑点赞！

数据类型	数据描述	数据链接
指令微调	self-instruct，GPT3自动生成&过滤得到指令集	https://github.com/yizhongw/self-instruct
指令微调	Standford Alpaca：52K text-davinci-003生成的self-instruct指令数据集	https://github.com/tatsu-lab/stanford_alpaca
指令微调	中文翻译Alpaca还有一些其他指令数据集	https://github.com/hikariming/alpaca_chinese_dataset https://github.com/carbonz0/alpaca-chinese-dataset
指令微调	Guanaco数据：对Alphca指令重写后以不同语言生成总共534K，有对话和非对话类型	https://huggingface.co/datasets/JosephusCheung/GuanacoDataset
指令微调	InstructWild数据：直接用中文种子Self-Instruct生成	https://github.com/XueFuzhao/InstructionWild/tree/main/data
指令微调	BELLE100万指令数据，参考Alpaca用ChatGPT生成	https://github.com/LianjiaTech/BELLE
指令微调	PromptCLUE多任务提示数据集：模板构建，只包含标准NLP任务	https://github.com/CLUEbenchmark/pCLUE
指令微调	TK-Instruct微调用的指令数据集, 全人工标注1600+NLP任务	https://instructions.apps.allenai.org/
指令微调	T0微调用的指令数据集（P3）	https://huggingface.co/datasets/bigscience/P3
指令微调	p3衍生的46种多语言数据集（xmtf）	https://github.com/bigscience-workshop/xmtf
指令微调	Unnatural Instruction使用GPT3生成后改写得到240k	https://github.com/orhonovich/unnatural-instructions
指令微调	中文指令微调数据集包括翻译alpaca，多轮对话，考试指令	https://github.com/BAAI-Zlab/COIG
指令微调	ShareGPT openAI请求数据
对话指令	LAION 策划的开放指令通用数据集中手动选择的组件子集 已开源40M 3万个,100M在路上	https://github.com/LAION-AI/Open-Instruction-Generalist
对话指令	Vicuna训练使用的样本，用API可读取用户和gpt对话历史	https://github.com/domeccleston/sharegpt
对话指令	Baize基于Chat GPT构建的self-chat数据	https://github.com/project-baize/baize-chatbot/tree/main/data
对话指令	FaceBook开源BlenderBot训练对话数据~6K	https://huggingface.co/datasets/blended_skill_talk
对话指令	AllenAI开源38.5万个对话高质量数据集SODA	https://realtoxicityprompts.apps.allenai.org/
对话指令	InstructDial在单一对话任务类型上进行指令微调	https://github.com/prakharguptaz/Instructdial
RLHF	Anthropic hh-rlhf数据集	https://huggingface.co/datasets/Anthropic/hh-rlhf
RLHF	Stack-exchange上问题对应多个答案，每个答案有打分	https://huggingface.co/datasets/HuggingFaceH4/stack-exchange-preferences/tree/main
RLHF	Facebook Bot Adversarial Dialogues数据集5K	https://github.com/facebookresearch/ParlAI
RLHF	AllenAI Real Toxicity prompts	https://github.com/facebookresearch/ParlAI
RLHF	OpenAssistant Conversations 160K消息，13500人工生成, 英文为主	https://huggingface.co/datasets/OpenAssistant/oasst1
评估集	BigBench(Beyond the Imitation Game Benchmark)	https://github.com/google/BIG-bench
评估集	Complex QA：用于ChatGPT的评测指令集	https://github.com/tan92hl/Complex-Question-Answering-Evaluation-of-ChatGPT
评估集	Langchain开源评估数据集	https://huggingface.co/LangChainDatasets
预训练	RedPajama开源的复刻llama的预训练数据集	https://github.com/togethercomputer/RedPajama-Data
多源数据集整合	opendatalab整合了预训练阶段的多个数据源	https://opendatalab.org.cn/?industry=9821&source=JUU3JTlGJUE1JUU0JUI5JThF

Resources

Tools & Tutorial

• OpenAI Cookbook: 提供OpenAI模型使用示例 ⭐
• OpenAI 接口被墙解决办法: 使用腾讯云搭建代理，亲测非常好用且手残党也可以轻松上手
• PromptPerfect:用魔法打败魔法，输入原始提示词，模型进行定向优化，试用后我有点沉默了，可以定向支持不同使用prompt的模型如Difussion，ChatGPT， Dalle等
• ClickPrompt: 为各种prompt加持的工具生成指令包括Difussion，chatgptdeng, 需要OpenAI Key
• ChatGPT ShortCut：提供各式场景下的Prompt范例，范例很全，使用后可以点赞！ ⭐
• Full ChatGPT Prompts + Resources: 各种尝尽的prompt范例，和以上场景有所不同
• learning Prompt: prompt engineering超全教程，和落地应用收藏，包括很多LLM调用Agent的高级场景 ⭐
• The art of asking chatgpt for high quality answers: 如何写Prompt指令出书了，链接是中文翻译的版本，比较偏基础使用
• Prompt-Engineer-Guide: 同learnig prompt类的集成教程，互相引用可还行？！分类索引做的更好些 ⭐
• OpenAI 应用汇总指南: 纯应用类的汇总指南
• AI 导航: 包括但不限于ChatGPT的应用汇总网站，更新很快，发现了一些新大陆
• AI Alignment Forum: RLHF等对齐相关最新论文和观点的讨论论坛

AIGC playground

• cognosys: 全网最火的web端AutoGPT，不过咋说呢试用了下感觉下巴要笑掉了，不剧透去试试你就知道
• godmode：需要人为每一步交互的的AutoGPT
• agentgpt: 基础AutoGPT
• New Bing：需要连外网否则会重定向到bing**，需要申请waitlist ⭐
• Perplexity.ai: 同样需要科学上网，感觉比Bing做的更好的接入ChatGPT的神奇搜索引擎，在Bing之外还加入了相关推荐和追问 ⭐
• BingGPT: NewBing开源桌面客户端，可以将聊天记录导出
• DocsGPT: 把ChatGPT开放域问答转化成封闭域问答的通用方案，试用垂类领域问答场景,可以试用定制的ChatBot ⭐
• langchain-ChatGLM: 基于ChatGLM的本地知识问答，和上面的DocsGPT相似，不过可以本地部署:star:
• ChatPDF: 国内的ChatPDF, 上传pdf后，会给出文章的Top5可能问题，然后对话式从文档中进行问答和检索，10s读3万字
• ChatDoc:ChatPDF升级版，增加了表格类解析，和完善的索引引用加跳转加对应文章内容高亮，哈哈我准备自己整一个
• ChatPaper: 根据输入关键词，自动在arxiv上下载最新的论文，并对论文进行摘要总结，可以在huggingface上试用！
• OpenRead: 面向论文写作，阅读场景，可以帮助生成文献综述，以及提供和NotionAI相似的智能Markdown用于写作
• researchgpt: 和ChatPDF类似，支持arivx论文下载，加载后对话式获取论文重点
• BriefGPT: 日更Arxiv论文，并对论文进行摘要，关键词抽取，帮助研究者了解最新动态, UI不错哟
• ChatGPT-academic: 又是一个基于gradio实现的paper润色，摘要等功能打包的实现
• feishu-chatgpt: 飞书chatgpt，和365copilot相似也是多组件集成, 有点全！
• ChatMind: chatgpt生成思维导图，针对话题的生成还可以，但是针对某本书的就是瞎编了，但是感觉和检索式阅读方式结合效果会出彩~
• Shell: 基于ChatGPT的AI英语聊天工具，口语练习助手
• AI Topiah: 聆心智能AI角色聊天，和路飞唠了两句，多少有点中二之魂在燃烧
• chatbase: 情感角色聊天，还没尝试
• Vana: virtual DNA, 通过聊天创建虚拟自己！概念很炫
• WriteSonic：AI写作，支持对话和定向创作如广告文案，商品描述, 支持Web检索是亮点，支持中文
• copy.ai: WriteSonic竞品，亮点是像论文引用一样每句话都有对应网站链接，可以一键复制到右边的创作Markdown，超级好用！ ⭐
• NotionAI：智能Markdown，适用真相！在创作中用command调用AI辅助润色，扩写，检索内容，给创意idea
• Jasper: 同上，全是竞品哈哈
• copy.down: 中文的营销文案生成，只能定向创作，支持关键词到文案的生成
• ChatExcel: 指令控制excel计算，对熟悉excel的有些鸡肋，对不熟悉的有点用
• ChatPPT: 使用ChatGPT进行PPT制作
• BibiGPT: Bilibli视频内容一键总结，多模态文档
• Microsoft 365 Copilot：微软Office全面接入GPT4，智能PPT，Excel，Word，暂无链接。其实就是上面开源创意的全家桶套餐
• Google Workspace: 谷歌推出的搭载各种AI服务的办公场景全覆盖，暂无使用方案。
• Copilot: 要付费哟
• Fauxpilot: copilot本地开源替代
• CodeGex: 国内替代品，还没试过
• Codeium: Copilot替代品，有免费版本支持各种plugin
• Wolverine: 代码自我debug的python脚本
• dreamstudio.ai: 开创者，Stable Difussion， 有试用quota
• midjourney: 开创者，艺术风格为主
• Dall.E: 三巨头这就凑齐了
• ControlNet: 为绘画创作加持可控性
• GFPGAN: 照片修复
• Visual ChatGPT: 微软发布图像ChatGPT，对话方式进行图像生成编辑，问答 ⭐
• gemo.ai: 多模态聊天机器人，包括文本，图像，视频生成

Recommend Blog

• OpenAI ChatGPT Intro
• OpenAI InstructGPT intro
• AllenAI ChatGPT能力解读：How does GPT Obtain its Ability? Tracing Emergent Abilities of Language Models to their Sources ⭐
• Huggingface ChatGPT能力解读：The techniques behind ChatGPT: RLHF, IFT, CoT, Red teaming, and more
• Stephen Wolfram ChatGPT能力解读: What Is ChatGPT Doing and Why Does It Work?
• Chatgpt相关解读汇总
• 麻省理工科技采访OpenAI工程师
• AGI历史与现状
• 张俊林 通向AGI之路：大型语言模型（LLM）技术精要
• 知乎回答 OpenAI 发布 GPT-4，有哪些技术上的优化或突破?
• 追赶ChatGPT的难点与平替
• 压缩即泛化，泛化即智能

ChatGPT 商用场景

1. 搜索：Bing搜索，所向披靡; 360搜索，红孩儿，推理有限，支持国产
2. 教育：Quizlet，私人教辅，你来学习，它来出题; 网易有道，子曰，AI口语老师，作业批改
3. 电商：shopify，私人导购，情人节给女友买点啥？问它; Instcart, 私人营养师，搭配食谱，相关商品直接加购物车
4. 金融：HSBC，使用大模型在财务信息汇总和分类；MorganStanley，
5. BI: Salesforce, Slack使用AI回复，会议总结;
6. 社交：Soul, 数字人，媒体内容自动生成；腾讯，QQ未来会融入ChatGPT
7. 社区问答：CSDN, ChitGPT帮助提问者快速生成答案; Quora，接入了多个对话机器人进行问答
8. 知识产权

Papers

paper List

• https://github.com/dongguanting/In-Context-Learning_PaperList
• https://github.com/thunlp/PromptPapers
• https://github.com/Timothyxxx/Chain-of-ThoughtsPapers

Survey

• A Survey of Large Language Models
• Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing ⭐
• Paradigm Shift in Natural Language Processing
• Pre-Trained Models: Past, Present and Future

LLM Ability Analysis & Probing

• Sparks of Artificial General Intelligence: Early experiments with GPT-4
• How does in-context learning work? A framework for understanding the differences from traditional supervised learning
• Why can GPT learn in-context? Language Model Secretly Perform Gradient Descent as Meta-Optimizers
• Emerging Ability of Large Language Models
• Rethinking the Role of Demonstrations What Makes incontext learning work?
• Can Explanations Be Useful for Calibrating Black Box Models

Tunning Free Prompt

• GPT2: Language Models are Unsupervised Multitask Learners
• GPT3: Language Models are Few-Shot Learners ⭐
• LAMA: Language Models as Knowledge Bases?
• AutoPrompt: Eliciting Knowledge from Language Models

Fix-Prompt LM Tunning

• T5: Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer
• PET-TC(a): Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference ⭐
• PET-TC(b): PETSGLUE It’s Not Just Size That Matters Small Language Models are also few-shot learners
• GenPET: Few-Shot Text Generation with Natural Language Instructions
• LM-BFF: Making Pre-trained Language Models Better Few-shot Learners ⭐
• ADEPT: Improving and Simplifying Pattern Exploiting Training

Fix-LM Prompt Tunning

• Prefix-tuning: Optimizing continuous prompts for generation
• Prompt-tunning: The power of scale for parameter-efficient prompt tuning ⭐
• P-tunning: GPT Understands Too ⭐
• WARP: Word-level Adversarial ReProgramming

LM + Prompt Tunning

• P-tunning v2: Prompt Tuning Can Be Comparable to Fine-tunning Universally Across Scales and Tasks
• PTR: Prompt Tuning with Rules for Text Classification
• PADA: Example-based Prompt Learning for on-the-fly Adaptation to Unseen Domains

Fix-LM Adapter Tunning

• LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS ⭐
• LST: Ladder Side-Tuning for Parameter and Memory Efficient Transfer Learning
• Parameter-Efficient Transfer Learning for NLP
• INTRINSIC DIMENSIONALITY EXPLAINS THE EFFECTIVENESS OF LANGUAGE MODEL FINE-TUNING

Instruction Tunning LLMs

• Flan: FINETUNED LANGUAGE MODELS ARE ZERO-SHOT LEARNERS ⭐
• Flan-T5: Scaling Instruction-Finetuned Language Models
• Instruct-GPT: Training language models to follow instructions with human feedback star:
• T0: MULTITASK PROMPTED TRAINING ENABLES ZERO-SHOT TASK GENERALIZATION
• Natural Instructions: Cross-Task Generalization via Natural Language Crowdsourcing Instructions
• Tk-INSTRUCT: SUPER-NATURALINSTRUCTIONS: Generalization via Declarative Instructions on 1600+ NLP Tasks
• Unnatural Instructions: Tuning Language Models with (Almost) No Human Labor
• BELLE: Exploring the Impact of Instruction Data Scaling on Large Language Models: An Empirical Study on Real-World Use Cases
• Baize: Baize: An Open-Source Chat Model with Parameter-Efficient Tuning on Self-Chat Data

Train for Dialogue

• LaMDA: Language Models for Dialog Applications
• Sparrow: Improving alignment of dialogue agents via targeted human judgements star:
• BlenderBot 3: a deployed conversational agent that continually learns to responsibly engage
• How NOT To Evaluate Your Dialogue System: An Empirical Study of Unsupervised Evaluation Metrics for Dialogue Response Generation

Chain of Thought

• Chain of Thought Prompting Elicits Reasoning in Large Language Models ⭐
• COMPLEXITY-BASED PROMPTING FOR MULTI-STEP REASONING
• SELF-CONSISTENCY IMPROVES CHAIN OF THOUGHT REASONING IN LANGUAGE MODELS
• Large Language Models are Zero-Shot Reasoners
• PaLM: Scaling Language Modeling with Pathways

RLHF

• Deepmind
  • Teaching language models to support answers with verified quotes
  • sparrow, Improving alignment of dialogue agents via targetd human judgements ⭐
• openai
  • PPO: Proximal Policy Optimization Algorithms ⭐
  • Deep Reinforcement Learning for Human Preference
  • Fine-Tuning Language Models from Human Preferences
  • learning to summarize from human feedback
  • InstructGPT: Training language models to follow instructions with human feedback ⭐
  • Scaling Laws for Reward Model Over optimization ⭐
• Anthropic
  • A General Language Assistant as a Laboratory for Alignmen
  • Red Teaming Language Models to Reduce Harms Methods,Scaling Behaviors and Lessons Learned
  • Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback
  • Constitutional AI Harmlessness from AI Feedback ⭐
• AllenAI, RL4LM：IS REINFORCEMENT LEARNING (NOT) FOR NATURAL LANGUAGE PROCESSING BENCHMARKS

Agent: 让模型使用工具

• Tool Former: Toolformer: Language Models Can Teach Themselves to Use Tools
• MRKL SystemsA modular, neuro-symbolic architecture that combines large language models, external knowledge sources and discrete reasoning ⭐
• ReAct: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS ⭐
• Self: MEASURING AND NARROWING THE COMPOSITIONALITY GAP IN LANGUAGE MODELS
• PAL: Program-aided Language Models

指令数据生成

• APE: LARGE LANGUAGE MODELS ARE HUMAN-LEVEL PROMPT ENGINEERS ⭐
• SELF-INSTRUCT: Aligning Language Model with Self Generated Instructions ⭐
• iPrompt: Explaining Data Patterns in Natural Language via Interpretable Autoprompting
• Flipped Learning: Guess the Instruction! Flipped Learning Makes Language Models Stronger Zero-Shot Learners
• Fairness-guided Few-shot Prompting for Large Language Models
• Instruction induction: From few examples to natural language task descriptions.
• Baize An Open-Source Chat Model with Parameter-Efficient Tuning on self-Chat Data

领域模型

• BioGPT：Generative Pre-trained Transformer for Biomedical Text Generation and Mining
• Galactia：A Large Language Model for Science
• PubMed GPT: A Domain-specific large language model for biomedical text
• BloombergGPT： A Large Language Model for Finance
• ChatDoctor：Medical Chat Model Fine-tuned on LLaMA Model using Medical Domain Knowledge
• Med-PaLM：Large Language Models Encode Clinical Knowledge[V1,V2] ⭐