加载中...
加载中...
GPT4All J
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
GPT4All是由NomicAI发布的一系列大语言模型。其中，GPT4All-J是NomicaAI在2023年4月13日开源的一个基于GPT-J微调的大语言模型。
GPT4All此前的版本都是基于MetaAI开源的LLaMA模型微调得到。受限于LLaMA开源协议和商用的限制，基于LLaMA微调的模型都无法商用。而本次NomicAI开源的GPT4All-J的基础模型是由EleutherAI训练的一个号称可以与GPT-3竞争的模型，且开源协议友好。因此，GPT4All-J的开源协议为Apache 2.0，这是友好可商用开源协议。
关于GPT4All-J的模型其它信息如下：
| GPT4All-J信息名称 | GPT4All-J信息结果 |
|---|---|
| 发布机构 | Nomic AI |
| 模型类型 | 基于GPT-J在指令数据集上微调的模型 |
| 支持的语言 | 英语 |
| 开源协议 | Apache 2.0 |
| 基础模型 | GPT-J |
| 发布时间 | 2023年4月13日 |
| 模型参数 | 60亿 |
GPT4All-J也是有很多个基于不同数据微调的版本：
| GPT4All-J的版本 | GPT4All-J的版本说明 |
|---|---|
| GPT4All-J-v1.0 | 1.0的基础版本，基于1.0的数据集微调，这也是NomicAI自己收集的指令数据集 |
| GPT4All-J-v1.1-breezy | 在1.0的数据集上，用AI模型过滤掉一部分数据之后训练 |
| GPT4All-J-v1.2-jazzy | 在上面过滤的数据集基础上继续删除I'm sorry, I can't answer之类的数据集实例 |
| GPT4All-J-v1.3-groovy | 将Dolly和ShareGPT添加到了v1.2数据集中，并使用Atlas删除了v1.2数据集中包含语义重复的约8%的数据。 |
官方公布了GPT4All-J与其它模型的测试对比结果，效果还是很不错的：
| 模型名称 | BoolQ | PIQA | HellaSwag | WinoGrande | ARC-e | ARC-c | OBQA | Avg. |
|---|---|---|---|---|---|---|---|---|
| GPT4All-J 6B v1.0 | 73.4 | 74.8 | 63.4 | 64.7 | 54.9 | 36.0 | 40.2 | 58.2 |
| GPT4All-J v1.1-breezy | 74.0 | 75.1 | 63.2 | 63.6 | 55.4 | 34.9 | 38.4 | 57.8 |
| GPT4All-J v1.2-jazzy | 74.8 | 74.9 | 63.6 | 63.8 | 56.6 | 35.3 | 41.0 | 58.6 |
| GPT4All-J v1.3-groovy | 73.6 | 74.3 | 63.8 | 63.5 | 57.7 | 35.0 | 38.8 | 58.1 |
| GPT4All-J Lora 6B | 68.6 | 75.8 | 66.2 | 63.5 | 56.4 | 35.7 | 40.2 | 58.1 |
| GPT4All LLaMa Lora 7B | 73.1 | 77.6 | 72.1 | 67.8 | 51.1 | 40.4 | 40.2 | 60.3 |
| GPT4All 13B snoozy | 83.3 | 79.2 | 75.0 | 71.3 | 60.9 | 44.2 | 43.4 | 65.3 |
| Dolly 6B | 68.8 | 77.3 | 67.6 | 63.9 | 62.9 | 38.7 | 41.2 | 60.1 |
| Dolly 12B | 56.7 | 75.4 | 71.0 | 62.2 | 64.6 | 38.5 | 40.4 | 58.4 |
| Alpaca 7B | 73.9 | 77.2 | 73.9 | 66.1 | 59.8 | 43.3 | 43.4 | 62.4 |
| Alpaca Lora 7B | 74.3 | 79.3 | 74.0 | 68.8 | 56.6 | 43.9 | 42.6 | 62.8 |
| GPT-J 6.7B | 65.4 | 76.2 | 66.2 | 64.1 | 62.2 | 36.6 | 38.2 | 58.4 |
| LLama 7B | 73.1 | 77.4 | 73.0 | 66.9 | 52.5 | 41.4 | 42.4 | 61.0 |
| LLama 13B | 68.5 | 79.1 | 76.2 | 70.1 | 60.0 | 44.6 | 42.2 | 63.0 |
| Pythia 6.7B | 63.5 | 76.3 | 64.0 | 61.1 | 61.3 | 35.2 | 37.2 | 57.0 |
| Pythia 12B | 67.7 | 76.6 | 67.3 | 63.8 | 63.9 | 34.8 | 38 | 58.9 |
| Fastchat T5 | 81.5 | 64.6 | 46.3 | 61.8 | 49.3 | 33.3 | 39.4 | 53.7 |
| Fastchat Vicuña 7B | 76.6 | 77.2 | 70.7 | 67.3 | 53.5 | 41.2 | 40.8 | 61.0 |
| Fastchat Vicuña 13B | 81.5 | 76.8 | 73.3 | 66.7 | 57.4 | 42.7 | 43.6 | 63.1 |
| StableVicuña RLHF | 82.3 | 78.6 | 74.1 | 70.9 | 61.0 | 43.5 | 44.4 | 65.0 |
| StableLM Tuned | 62.5 | 71.2 | 53.6 | 54.8 | 52.4 | 31.1 | 33.4 | 51.3 |
| StableLM Base | 60.1 | 67.4 | 41.2 | 50.1 | 44.9 | 27.0 | 32.0 | 42.2 |
| Koala 13B | 76.5 | 77.9 | 72.6 | 68.8 | 54.3 | 41.0 | 42.8 | 62.0 |
| Open Assistant Pythia 12B | 67.9 | 78.0 | 68.1 | 65.0 | 64.2 | 40.4 | 43.2 | 61.0 |
| Mosaic mpt-7b | 74.8 | 79.3 | 76.3 | 68.6 | 70.0 | 42.2 | 42.6 | 64.8 |
| text-davinci-003 | 88.1 | 83.8 | 83.4 | 75.8 | 83.9 | 63.9 | 51.0 | 75.7 |
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
