注意：新版本已发布，请查看最新版本的权重 here 。如果您仍想使用此旧版本，请查看不同版本之间的兼容性和差异 here 。

注意：无法直接使用此“增量模型”。用户必须将其应用于原始LLaMA权重之上，以获得实际的维库纳权重。请参阅 instructions 。

维库纳模型卡

模型详情

维库纳是一个通过在从ShareGPT收集的用户共享对话中进行LLaMA微调训练的聊天助手。

• 开发者： LMSYS
• 模型类型：基于变压器架构的自回归语言模型。
• 许可：非商业许可
• 从模型进行微调： 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/

使用方式

维库纳的主要用途是对大型语言模型和聊天机器人进行研究。模型的主要预期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

命令行界面： 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是通过监督指导微调从LLaMA进行微调的。训练数据约有70,000个从ShareGPT.com收集的对话。有关详细信息，请参阅附录中的“Vicuna模型的训练详情”部分 paper 。

评估

维库纳使用标准基准、人类偏好以及LLM作为评判进行评估。有关详细信息，请参阅 paper 和 leaderboard 。

不同版本的维库纳之间的差异

请参阅 vicuna_weights_version.md