注意：有新版本可用。请查看新版本的权重 here 。如果您仍然想使用这个旧版本，请参阅不同版本之间的兼容性和差异 here 。

注意：这个“delta模型”不能直接使用。用户必须将其应用于原始LLaMA权重之上，以获得实际的Vicuna权重。请参阅 instructions 。

Vicuna模型卡片

模型详情

Vicuna是一个聊天助手，通过对从ShareGPT收集的用户共享会话进行微调LLaMA来进行训练。

• 开发者： LMSYS
• 模型类型：基于Transformer架构的自回归语言模型。
• 许可证：非商业许可证
• 来源模型： LLaMA 。

模型来源

• 存储库： https://github.com/lm-sys/FastChat
• 博客： https://lmsys.org/blog/2023-03-30-vicuna/
• 论文： https://arxiv.org/abs/2306.05685
• 演示： https://chat.lmsys.org/

用途

Vicuna的主要用途是在大型语言模型和聊天机器人方面进行研究。模型的主要目标用户是自然语言处理、机器学习和人工智能领域的研究人员和爱好者。

如何开始使用该模型

命令行接口： https://github.com/lm-sys/FastChat#vicuna-weights 。API（OpenAI API，Huggingface API）： https://github.com/lm-sys/FastChat/tree/main#api 。

训练详情

Vicuna v1.1是通过有监督指令微调从LLaMA获取的，训练数据约为70K个从ShareGPT.com收集的对话。有关更多详细信息，请参阅附录中的“Vicuna模型的训练详情” paper 。

评估

Vicuna使用标准基准，人工偏好和LLM作为评判进行评估。有关更多详细信息，请参阅 paper 和 leaderboard 。

不同版本Vicuna之间的差异

请参见 vicuna_weights_version.md