随着ChatGPT在全球的火爆，预训练大模型技术被全球广泛关注。除了OpenAI、Google、百度这样的巨头在努力提供大模型服务外，各个科技企业以及学术界也都在发布自己的大模型。

下图展示了DataLearner收集的大模型概览图：

可以看到，很多企业都在发布各种不同的模型。但是，实际上，这些模型也不是一下蹦出来的，很多模型之间也是有依赖和联系的。并且，基于这些模型开发的应用则更加繁杂。这些眼花缭乱的关系基本上很难追踪。例如，Github Copilot就是一个GitHub提供的代码补全应用，但是实际上它背后依赖的是OpenAI的Codex模型，而Codex模型本身则来自GPT-3。这样的联系在如今每天都有大模型和新应用发布的年代，很难轻易被追踪！

尽管像Datalearner这样的网站提供了大模型的列表和介绍，但是大模型之间的联系和依赖，以及围绕大模型的资产如数据集、应用等都很难轻松看出来。而斯坦福大学发布的基础大模型追踪图谱Ecosystem Graphs，用图谱的方式给大家呈现了模型之间的联系，让人非常清楚明白追踪不同模型之间的关系。

下图就是这个图谱的全景图：

这其中蓝色的节点是模型，黄色的点是数据，红色的点则是应用。我们可以放大，例如下图就是以GPT-3为核心展示的相关内容：

可以看到，GPT-3作为基础模型，衍生了很多不同的模型，如Codex、text-davinci-002等。同时也产生了Bird SQL、GitHub Copilot等应用。是不是非常清晰！当我们点击GPT-3，就可以跳转获得GPT-3的详情页结果，如下图所示：

这里面详细描述了GPT-3相关的信息，包括发布者、链接、依赖、训练信息等，是不是非常方便！我们可以对比一下DataLearner提供的GPT-3信息：

怎么说呢，结果似乎还是比斯坦福大学列出的信息少了一些！同时也缺少模型之间的依赖信息！不过DataLearner的模型有个好处是介绍比较详细，并且是中文内容。

根据目前的统计，Ecosystem Graphs已经收集了262条资产信息，其中模型129个，应用69个，数据集64个。还是很丰富的，同时官网也提供了提交信息的入口，经过审核后应该会被加入到其中。大家可以收藏该工具，以后可以定期拿出来看看，配合DataLearner的预训练模型列表，可以更加容易追踪模型发展。