当前位置: 首页 > news >正文

ChatGPT 平替天花板:HuggingFace 版 ChatGPT 来了,无需魔法无需等待直接起飞 ~

文章目录

  • ChatGPT 平替天花板:HuggingFace 版 ChatGPT 来了,无需魔法无需等待直接起飞 ~
    • HuggingFace 简介
    • HuggingChat 登场
    • 展望

ChatGPT 平替天花板:HuggingFace 版 ChatGPT 来了,无需魔法无需等待直接起飞 ~

二话不说上链接
https://huggingface.co/chat/
请添加图片描述
请直接问中文问题,要是返回英文直接上浏览器翻译同步没毛病。

如果体验过了,且听我分(jiao)说(bian)一下,HuggingFace 版 ChatGPT 如何能当得起 ChatGPT 平替天花板 。

我们先来看看背后的公司HuggingFace 是干啥的?

HuggingFace 简介

HuggingFace 是一个非常知名的开源AI社区和平台。它为NLP和transformer模型提供了丰富的模型和数据集。一些主要特点如下:

  1. Transformers模型:HuggingFace 提供了transformer模型的统一接入接口,允许直接拿来使用bert/roberta/gpt-2等知名预训练模型。这些模型可用于文本分类、文本生成、QA等任务。
  2. Tokenizers: 为各种transformer模型提供对应的token化工具,包括bert tokenizer、GPT-2 tokenizer等。
  3. datasets:提供了许多NLP数据集,如SQuAD、XNLI、Restaurants等。并具有统一下载/加载的接口。
  4. 模型Hub: 集中了大量预训练模型,其中包括从bert到GPT-3等最新的transformer模型。用户可以一键直接下载这些模型进行迁移学习。
  5. Transformers库:提供transformer模型的统一实现和接口,其中包含BertModel、GPT2LMHeadModel、RobertaForSequenceClassification等模型。
  6. 其它工具:还包括评价指标、数据增强工具、配置工具等,可以覆盖NLP项目 From soup to nuts的全过程。
    总之,HuggingFace 为NLP和AI提供了一个非常完备的生态,其目标是降低科研和实用项目的门槛,让更多人可以便捷使用高性能的NLP模型和框架。它已成为目前NLP领域最知名和最活跃的开源社区之一。

HuggingFace 是大模型的圣地,如同 Github 之于 程序员,同时还对标 Colob 和 AI Studio 自带无穷算力跑模型。

HuggingChat 登场

再看一下界面:
请添加图片描述是不是熟悉的感觉?和ChatGPT长得很像么 ~

深究一下,ChatGPT是基于GPT3.5/4模型的,
而HuggingChat 以 OpenAssistant作为其首个展示和集成的开源聊天模型。
OpenAssistant是当今最优秀的开源聊天模型之一,HuggingChat通过集成它,可以让用户体验到强大的聊天功能。
列表说明:

展示层核心技术
ChatGPTGPT3.5/4
HuggingChatOpenAssistant

但HuggingChat的 野望不会止步于此。它的目标是吸引更多的开源聊天模型加入其平台,形成一个既开源又丰富的聊天模型生态。在这个生态内,研究者和开发者可以选择基于不同模型开发自己的解决方案;而最终用户也可以根据需求选择和使用不同的开源聊天模型。

好期待

展望

英伟达 AI 科学家 Jim Fan 称赞道:「HuggingChat 是 ChatGPT 的开源替代品」,并表示「如果后续开发成应用程序,Hugging Face 比 OpenAI 更具优势」。

我的理解是,
由于 OpenAI 其实 不 Open,Open 现在 反倒成了 Hugging Face 的主要优势 ,
如果说 ChatGPT 是 IPhone 时刻,那 HuggingChat 当得起 Android 时刻的 称号。

http://www.lryc.cn/news/63200.html

相关文章:

  • 桐乡学会计实操—小规模纳税人征收率的汇总帖来啦!
  • 权威学者、企业CFO荟聚上海国家会计学院,共探「智能会计 价值财务」
  • 根据cadence设计图学习硬件知识day06 了解一些电源转化芯片和 稳压器 和 开关芯片
  • 简单理解内存分页机制
  • 如何提高三维模型OSGB格式转换3DTILES的转换速度和数据质量
  • 智现未来面试(部分)
  • 最值得学的编程语言是哪个?
  • 研读Rust圣经解析——Rust learn-16(高级trait,宏)
  • html,Javascript,css前端面试题汇总免费
  • HFSS—RCS测量
  • QUARTZ 石英框架
  • 基于centos7:Harbor-2.7.2部署和安装教程
  • Windows上使用CLion配置OpenCV环境,亲测可用的方法(一)
  • 代码随想录算法训练营第四十三天
  • 如何在 Mac 和 Windows 上恢复未保存或删除的 PDF
  • windows开机不自动挂载磁盘的方法
  • 5 款 AI 老照片修复工具的横向比较
  • 2023企业服务的关键词:做强平台底座
  • 【Linux基本指令和权限(1)】
  • 虹科新品 | 用于医疗应用的压力和气体流量传感器
  • 原生小程序如何使用pdf.js实现查看pdf,以及关键词检索高亮
  • 「数据架构」MDM实现失败的主要原因
  • 【Java基础 1】Java 环境搭建
  • 2023-4-26-C++11新特性之正则表达式
  • python接口自动化测试 requests库的基础使用
  • Photon AI Translator 和做产品的一些思考
  • IPTV系统架构的分析与研究
  • workerman开发者必须知道的几个问题
  • golang Gin实现websocket
  • 冯·诺依曼体系结构与初始操作系统