160亿参数，新增多项能力，复旦MOSS开源了-电子发烧友网

今年 2 月份，机器之心报道了复旦大学推出中国版 ChatGPT 的消息，引起了广泛关注。当时，邱锡鹏教授就曾表示将于四月份开源 Moss。

昨天，开源版的 Moss 真的来了。

项目地址：https://github.com/OpenLMLab/MOSS

MOSS 是一个支持中英双语和多种插件的开源对话语言模型，但参数数量比 ChatGPT 少得多。在 v0.0.2 之后，团队持续对其进行调整，推出了 MOSS v0.0.3，也就是目前开源的版本。相比于早期版本，功能也实现了多项更新。

最初的测试中，MOSS 的基础功能与 ChatGPT 类似，可以按照用户输入的指令完成各类自然语言处理任务，包括文本生成、文本摘要、翻译、代码生成、闲聊等等。

开放内测后，团队继续加大中文语料的预训练：「截止目前，MOSS 003 的基座语言模型已经在 100B 中文 token 上进行了训练，总训练 token 数量达到 700B，其中还包含约 300B 代码。」

在开放内测后，我们也收集了一些用户数据，我们发现真实中文世界的用户意图和 OpenAI InstructGPT 论文中披露的 user prompt 分布有较大差异（这不仅与用户来自的国家差异有关，也跟产品上线时间有关，早期产品采集的数据中存在大量对抗性和测试性输入），于是我们以这部分真实数据作为 seed 重新生成了约 110 万常规对话数据，涵盖更细粒度的 helpfulness 数据和更广泛的 harmlessness 数据。

内容来源：https://www.zhihu.com/question/596908242/answer/2994534005

目前，团队已将 moss-moon-003-base、moss-moon-003-sft、moss-moon-003-sft-plugin 三个模型上传到 HuggingFace。后续，还有三个模型将会开源。

根据项目主页介绍，moss-moon 系列模型具有 160 亿参数，在 FP16 精度下可在单张 A100/A800 或两张 3090 显卡运行，在 INT4/8 精度下可在单张 3090 显卡运行。

团队同时表示，由于模型参数量较小和自回归生成范式，MOSS 仍然可能生成包含事实性错误的误导性回复或包含偏见 / 歧视的有害内容，请谨慎鉴别和使用 MOSS 生成的内容，请勿将 MOSS 生成的有害内容传播至互联网。

新增能力

在 MOSS v0.0.3 中，团队加入了多项新能力。

团队构造了约 30 万插件增强的对话数据，包含搜索引擎、文生图、计算器、方程求解等。关于插件版 MOSS 如何使用，后续团队将在 GitHub 公布。

MOSS v0.0.3 现已引入使用多种插件的能力。

下图展示了调用搜索引擎的能力：

下图展示了调用方程求解器的能力：

下图展示了从文本生成图片的能力：

项目作者孙天祥补充说，MOSS 003 支持启用插件的能力是通过 meta instruction 来控制，类似 gpt-3.5-turbo 里的 system prompt。「因为是模型控制的，所以并不能保证 100% 控制率，以及还存在一些多选插件时调用不准、插件互相打架的缺陷，我们正在尽快开发新的模型来缓解这些问题。」

下载安装

下载本仓库内容至本地 / 远程服务器：

git clone https://github.com/OpenLMLab/MOSS.gitcd MOSS

创建 conda 环境：

conda create --name moss python=3.8 conda activate moss

安装依赖：

pip install -r requirements.txt

其中 torch 和 transformers 版本不建议低于推荐版本。

根据协议，开源的 MOSS 可用于商业用途：