就说程序员的手速有多快吧，首个开源 ChatGPT 项目已经出现了！

(相关资料图)

基于谷歌语言大模型 PaLM 架构，以及使用从人类反馈中强化学习的方法（RLHF），华人小哥Phillip Wang复刻了一个 ChatGPT 出来。

项目 GitHub 星已经超过 1.7k 了，而且还在一路飙升 ing。

不过一反常态的是，网友们看到“开源 ChatGPT”却没有火速开冲，反倒齐刷刷在发问：

这…… 有人能 run？

开源了但没完全开？

项目的核心内容，是在 PaLM 架构上实现基于人类反馈的强化学习。

其中，PaLM（Pathways Language Model）是谷歌在今年 4 月发布的5400 亿参数全能大模型，基于 Pathways 系统训练，BERT 之父 Jacob Devlin 为主要贡献者之一。

PaLM 可以完成写代码、聊天、语言理解等任务，并且在大多数任务上实现了 SOTA 少样本学习性能。

另一个核心点是 RLHF“从人类反馈中强化学习”。

OpenAI 提出 InstructGPT 时就用到了这一方法，它能让 AI 的回答更加符合情景要求，降低“有害性”。

具体分三步：

第一步，找一些人写下示范答案，来微调 GPT-3 模型，训练监督模型 baseline。

第二步，收集某个问题的几组不同输出数据，由人类对几组答案进行排序，在此数据集上训练奖励模型。

第三步，使用 RM 作为奖励函数，近端策略优化（PPO）算法微调 GPT-3 策略，以强化学习方法最大化奖励。

ChatGPT使用的 GPT-3.5，其中 text-davinci-002 就是在 code-davinci-002 的基础上，采用了 InstructGPT 训练方法改进得到。

正是基于如上两方面核心内容，作者实现了 ChatGPT 的复刻。

大致步骤有 3 步：

首先来训练一下 PaLM，就和其他自回归 Transformer 一样。

第二……

等等，训练 PaLM？？？这确定不是在开玩笑？

现在明白为啥大家都觉得这个开源项目完全不能 run 了……

打个不恰当的比方，这就像如果想吃熊肉，那先自己去打头熊来。

项目中只有 PaLM 架构和代码，没有预先训练好的权重。

所以完成第一步，大概效果就是……

话虽如此，但还是继续接着往下看看……

第二步，就要训练基于 RLHF 的奖励模型了。作者使用的是一种轻量级训练大语言模型方法 LoRA，这种方法是开源的。

然后，再把之前训练好的模型和奖励模型用强化学习进行微调。

经过这三步后，就能得到一个开源版的 ChatGPT 了。

这中间面临的问题包括巨大的计算量、超大模型和难收集的文本…… 所以有人也不免发问：

有没有一种可能，它也没啥用？

不过有网友觉得这本质上还是一件好事啦。

AI 的一个关键区别就是，每有一个重大突破，很快就会出现一个开源版本。

实际上，开源项目作者小哥 Philip Wang 一直都热衷于复刻各种明星项目，过去还尝试过 Dall E 2、AlphaFold 2 等。

以及 LAION 也发起了一个类似项目Open Assistant，他们将通过“众筹脑力”的方式，共同开发一个开源的聊天 AI。

Stable Diffusion 用的开放数据集，就是这一组织做的。