https://simonwillison.net/2023/Mar/11/llama/ https://simonwillison.net/2023/Mar/13/alpaca/ Simon Willison提到，很快大家都會有自己的ai助手。 看時間軸： 24th February 2023: LLaMA is announced, starts being shared with academic partners: https://research.facebook.com/publications/llama-open-and-efficient-foundation-language-models/ 2nd March: Someone posts a PR with a BitTorrent link to the models: https://github.com/facebookresearch/llama/pull/73 10th March: First commit to llama.cpp by Georgi Gerganov: https://github.com/ggerganov/llama.cpp 11th March: llama.cpp now runs the 7B model on a 4GB RaspberryPi: https://twitter.com/miolini/status/1634982361757790209 12th March: npx dalai llama: https://cocktailpeanut.github.io/dalai/ 13th March (today): llama.cpp on a Pixel 6 phone: https://twitter.com/thiteanish/status/1635188333705043969 And now, Alpaca. https://crfm.stanford.edu/2023/03/13/alpaca ------------------------------------------ 詳細想法與內容就請看simon willison的部落格。 我是蠻認同這想法的，LLM(Large Language Model)很快就會普及。 https://cocktailpeanut.github.io/dalai/#/ 自動安裝的script都出了。LLaMA的Inference在現代多核CPU跑是可行的，現在優化速度也很快。 離ChatGPT，GPT4還有一段距離，但很夠用了，而且整個網路一起發展，可能很快就追上也不一定。我雖然最近超忙，但都想找時間看能不能移植到OpenCL。 我覺得LLM最大的好處是summerize(總結) 例如之前討論手刻Make的問題。 Make是偶而一用，真的容易忘記指令跟功能，也就不容易發現問題。 LLM在這就很適合幫忙，把make檔給它，解釋總結，很快就能發現問題，就不須要找很難找到的Make專家。 雖然LLM容易"hallucinate"但用LLM寫個簡單的Make檔案當個開頭也很好。 Code看不懂，用太多不明functions？LLM來幫忙。 ffmpeg參數太多太複雜？LLM寫給你。 這是當年google橫空出世讓網路好用起來。再一次大感動。大家真的可以好好追蹤這個發展。可以自己控制的LLM，可以發展的功能太多了。 -- ※ 發信站: 批踢踢實業坊(ptt-web.org.tw), 來自: 36.224.232.158 (臺灣) ※ 文章網址: https://ptt-web.org.tw/Soft_Job/M.1678856174.A.098