/hugging-llm

HuggingLLM, Hugging Future.

Primary LanguageJupyter NotebookOtherNOASSERTION

HuggingLLM

随着ChatGPT的爆火,其背后其实蕴含着一个基本事实:AI能力得到了极大突破——大模型的能力有目共睹,未来只会变得更强。这世界唯一不变的就是变,适应变化、拥抱变化、喜欢变化,天行健君子以自强不息。我们相信未来会有越来越多的大模型出现,AI正在逐渐平民化,将来每个人都可以利用大模型轻松地做出自己的AI产品。所以,我们把项目起名为HuggingLLM,我们相信我们正在经历一个伟大的时代,我们相信这是一个值得每个人全身心拥抱的时代,我们更加相信这个世界必将会因此而变得更加美好。

关于项目

项目简介:介绍 ChatGPT 原理、使用和应用,降低使用门槛,让更多感兴趣的非NLP或算法专业人士能够无障碍使用LLM创造价值。

立项理由:ChatGPT改变了NLP行业,甚至正在改变整个产业。我们想借这个项目将ChatGPT介绍给更多的人,尤其是对此感兴趣、想利用相关技术做一些新产品或应用的学习者,尤其是非本专业人员。希望新的技术突破能够更多地改善我们所处的世界。

项目受众

  • 项目适合以下人员:
    • 对ChatGPT感兴趣。
    • 希望在实际中运用该技术创造提供新的服务或解决已有问题。
    • 有一定编程基础。
  • 不适合以下需求人员:
    • 研究其底层算法细节,比如PPO怎么实现的,能不能换成NLPO或ILQL,效果如何等。
    • 自己从头到尾研发一个 ChatGPT。
    • 对其他技术细节感兴趣。

另外,要说明的是,本项目并不是特别针对算法或NLP工程师等业内从业人员设计的,当然,你也可以通过本项目获得一定受益。

项目亮点

  • 聚焦于如何使用ChatGPT相关API创造新的功能和应用。
  • 对相关任务有详细的背景和系统设计介绍。
  • 提供示例代码和实现流程。

内容大纲

本教程内容彼此之间相对独立,大家可以针对任一感兴趣内容阅读或上手,也可从头到尾学习。

  • ChatGPT 基础科普 @长琴
    • LM
    • Transformer
    • GPT
    • RLHF
  • ChatGPT 使用指南:相似匹配 @长琴
    • Embedding 基础
    • API 使用
    • QA 任务
    • 聚类任务
    • 推荐应用
  • ChatGPT 使用指南:句词分类 @长琴
    • NLU 基础
    • API 使用
    • 文档问答任务
    • 分类与实体识别微调任务
    • 智能对话应用
  • ChatGPT 使用指南:编辑生成 @玉琳
    • 文本摘要
    • 文本纠错
    • 机器翻译
  • ChatGPT 使用指南:文本推理 @华挥
    • 什么是推理
    • 导入ChatGPT
    • 测试ChatGPT推理能力
    • 调用ChatGPT推理能力
    • ChatGPT以及GPT-4的推理能力
  • ChatGPT 局限不足 @Carles
    • 事实错误
    • 实时更新
    • 资源耗费
  • ChatGPT 商业应用 @Jason
    • 背景
    • 工具应用:搜索、办公、教育
    • 行业应用:游戏、音乐、零售电商、广告营销、媒体新闻、金融、医疗、设计、影视、工业

如何学习

学习指南

要学习本教程内容(主要是四个使用指南),需具备以下条件:

  • 能够正常使用OpenAI的API,能够调用模型:gpt-3.5-turbo。
  • 可以没有算法经验,但应具备一定的编程基础或实际项目经历。
  • 学习期间有足够的时间保证,《使用指南》学习周期为2-3天,除《推理Reasoning》外,其他均需要6-8小时。

学习完成后,需要提交一个大作业,整个学习期间就一个任务,要求如下:

  • 以其中任一方向为例:描述应用和设计流程,实现应用相关功能,完成一个应用或Demo程序。
  • 方向包括所有内容,比如:一个新闻推荐阅读器、一个多轮的客服机器人、Doc问答机器人、模型输出内容检测器等等,鼓励大家偏应用方向。

学习说明

请学习者务必注意以下几点:

  • 学习本教程并不能让你成为算法工程师,如果能激发起你的兴趣,我们非常欢迎你参与学习DataWhale更多算法类开源教程。
  • 在学习了教程中的一些知识和任务后,千万不要认为这些东西实际上就是看到那么简单。一方面实际操作起来还是会有很多问题,另一方面每个知识其实有非常多的细节,这在本教程中是无法涉及的。请持续学习、并始终对知识保持敬畏。
  • 本教程主要是负责引导入门的,鼓励大家在了解了相关知识后,根据实际情况或自己意愿大胆实践。实践出真知,脑子想、嘴说和亲自干是完全不一样的。
  • 由于创作团队水平和精力有限,难免会有疏漏,请不吝指正。

最后,祝愿大家都能学有所得,期望大家未来能做出举世瞩目的产品和应用。

——HuggingLLM开源项目全体成员

致谢

核心贡献者

  • 长琴-项目负责人(DataWhale成员-AI算法工程师)
  • 玉琳(内容创作者-DataWhale成员)
  • 华挥(内容创作者-DataWhale成员)
  • Carles(内容创作者)
  • Jason(内容创作者)
  • 胡锐锋(DataWhale成员-华东交通大学-系统架构设计师)

其他

  1. 特别感谢 @Sm1les@LSGOMYP 对本项目的帮助与支持;

关注我们

扫描下方二维码关注公众号:Datawhale

  Datawhale,一个专注于AI领域的学习圈子。初衷是for the learner,和学习者一起成长。目前加入学习社群的人数已经数千人,组织了机器学习,深度学习,数据分析,数据挖掘,爬虫,编程,统计学,Mysql,数据竞赛等多个领域的内容学习,微信搜索公众号Datawhale可以加入我们。

LICENSE

知识共享许可协议
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。