Databricks 發(fā)布了 Dolly 2.0，這是該公司于兩周前發(fā)布的一種訓(xùn)練成本不到 30 美元，類(lèi)似 ChatGPT 的大型語(yǔ)言模型 （LLM） Dolly 的改進(jìn)版本。公告稱(chēng)，Dolly 2.0 是第一個(gè)開(kāi)源的指令跟隨型語(yǔ)言模型，它在人類(lèi)生成的指令數(shù)據(jù)集上進(jìn)行了微調(diào)，可用于研究和商業(yè)用途。

根據(jù)介紹，Dolly 1.0 使用了斯坦福大學(xué) Alpaca 團(tuán)隊(duì)使用 OpenAI API 創(chuàng)建的數(shù)據(jù)集進(jìn)行訓(xùn)練；該數(shù)據(jù)集包含 ChatGPT 的輸出，而其服務(wù)條款試圖阻止任何人創(chuàng)建與 OpenAI 競(jìng)爭(zhēng)的模型。因此，Dolly 1.0 并不能用于商業(yè)用途。且據(jù)已知信息，目前所有現(xiàn)有的知名指令跟隨模型 （Alpaca， Koala， GPT4All， Vicuna） 都受到此限制，禁止商業(yè)使用。為了解決這個(gè)難題，Databricks 于是決定創(chuàng)建一個(gè)沒(méi)有商業(yè)用途限制的新數(shù)據(jù)集。

Dolly 2.0 是一個(gè)基于 EleutherAI pythia 模型系列的 12B 參數(shù)語(yǔ)言模型，并在透明且免費(fèi)提供的數(shù)據(jù)集上進(jìn)行了微調(diào)；該數(shù)據(jù)集稱(chēng)為 databricks-dolly-15k，也已開(kāi)源發(fā)布。Databricks 表示，他們正在開(kāi)源整個(gè) Dolly 2.0，包括訓(xùn)練代碼、數(shù)據(jù)集和模型權(quán)重，所有這些都適合商業(yè)使用。這意味著任何組織都可以創(chuàng)建、擁有和定制強(qiáng)大的 LLM，這些 LLM 可以與人們交談，而無(wú)需支付 API 訪問(wèn)費(fèi)用或與第三方共享數(shù)據(jù)。

databricks-dolly-15k 包含來(lái)自數(shù)千名 Databricks 員工的 15，000 個(gè)高質(zhì)量的人工生成的提示 / 響應(yīng)對(duì)，專(zhuān)為指令調(diào)優(yōu)大型語(yǔ)言模型而設(shè)計(jì)。且 databricks-dolly-15k 根據(jù)（Creative Commons Attribution-ShareAlike 3.0 Unported License）的許可條款，任何人都可以出于任何目的使用、修改或擴(kuò)展此數(shù)據(jù)集，包括商業(yè)應(yīng)用程序。

Databricks 稱(chēng)這是 “第一個(gè)開(kāi)源的、人工生成的指令語(yǔ)料庫(kù)，專(zhuān)門(mén)設(shè)計(jì)用于讓大型語(yǔ)言能夠展示 ChatGPT 的神奇交互性”。并補(bǔ)充到，雖然 databricks-dolly-15k 比訓(xùn)練 Dolly 1.0 的數(shù)據(jù)集 Alpaca 小得多，但基于 EleutherAI 的 pythia-12b 生成的 Dolly 2.0 模型表現(xiàn)出高質(zhì)量的指令遵循行為。另一方面， databricks-dolly-15k 是由專(zhuān)業(yè)人士生成的、質(zhì)量很高，并且包含對(duì)大多數(shù)任務(wù)的長(zhǎng)篇答案。

Databricks 表示，他們并沒(méi)有期望 Dolly 在有效性方面達(dá)到最先進(jìn)水平。但確實(shí)希望 Dolly 和開(kāi)源數(shù)據(jù)集將成為大量后續(xù)工作的種子，“這可能有助于引導(dǎo)出更強(qiáng)大的語(yǔ)言模型”。

“我們還認(rèn)為，偏見(jiàn)、問(wèn)責(zé)制和人工智能安全等重要問(wèn)題應(yīng)該由不同利益相關(guān)者組成的廣泛社區(qū)來(lái)解決，而不僅僅是少數(shù)大公司。開(kāi)源數(shù)據(jù)集和模型鼓勵(lì)評(píng)論、研究和創(chuàng)新，這將有助于確保每個(gè)人都能從人工智能技術(shù)的進(jìn)步中受益?！?/p>

審核編輯 ：李倩