寫在前面

Llama3.1模型已經開源，在這短短幾天之內，也是出現了一些Llama3.1漢化的repo，開源社區也是相當的卷。

主要是Llama3.1沒有關注中文，雖然是多語言，但主要針對英語、法語、德語、印地語、意大利語、葡萄牙語、西班牙語和泰語。

雖然讓Llama3.1系列模型用中文回答時，也可以正常回答，但仍然有中英文混合現象，并且詞表是真沒中文呀，中文場景下解碼效率會比較低。

咋說呢？反正也給中文大模型更多機會吧，開源社區也有更多事情可以做。

對Llama3.1進行中文增強，當然還是那幾步：擴充中文詞表、中文數據continue-pretrain、中文sft。

下面先簡單過一下Llama3.1的一些介紹和效果，再給大家分享一些已經開源的Chinese-Llama3.1項目。

Llama3.1介紹和效果

前幾天關于Llama3.1的介紹其實一大堆了，我就不過的介紹了，可以看我之前分享的兩篇文章Llama3.1系列模型正式開源，最大405B，閉源模型的統治時代將迎來結束？和淺談Llama3.1，從結構、訓練過程、影響到數據合成。

對于Llama3.1的系列模型，現在很多平臺都已經支持，如果本地沒有資源部署，可以從這些平臺上測試。下面的測試截圖均來自Hugging Chat測試結果。

HF：https://huggingface.co/chat/

雖然Llama3.1-405B模型榜單效果有很秀，但是9.9和9.11誰的大也是一本正經的的胡說八道。

不過確實是Tokenizer的問題。

其實對于個人來說比較奇怪，之前一些模型其實都強調過，數字內容按照每個單獨數字切割，不知道為啥Llama3.1沒有采用該策略。

反正GPT4也是一樣。

下面兩個弱智吧的問題，考考Llama3.1（405B）,

• 石油也是油，為啥沒人用它來炒菜？

• 如果把臟話都說出來了，那么嘴是不是就干凈了

• 為什么孫悟空是中國猴子卻叫美猴王，不應該叫中猴王嗎？

• 下雨天關節疼 那我騙它是晴天不就不會疼了。

整體來說，還是比較不錯的，可以理解其中的含義，不過如果不強調中文回答，總是出現中英混雜的情況。

個人覺得，如果是公開、簡單的中文任務，Llama3.1還是可以直接使用的，但如果是比較領域、具化的場景，可能效果不會很好。

本人在自己的一個中文分類場景上，比較過Qwen2-7B、ChatGLM3-6B和Llama3.1-8B的效果，無論是否SFT，Llama3.1-8B在中文上的效果都要比另外兩個差。

PS：個人數據結果，不是絕對，可以自行嘗試，同時也歡迎留言討論。

Chinese-Llama3.1模型

下面放幾個已經開源權重的Chinese-Llama3.1，這才兩天，后面會越來越多，現在還有一些repo在占坑。

• shenzhi-wang/Llama3.1-8B-Chinese-Chat
• shenzhi-wang/Llama3.1-70B-Chinese-Chat
• haijian06/Llama3.1-Chinese-Chat
• shareAI/llama3.1-8b-instruct-dpo-zh

但現在還是已SFT為主，在等等會有更多Chinese-Llama3.1系列模型出現，畢竟之前Chinese-Llama3已經有很多模型啦。

騙Star的機會又來啦！！！

寫在最后

Llama3.1系列模型的開源意義真是蠻大的，405B證明開源也能追該上閉源，雖然Mistral新開源的123B模型狙擊了Llama3.1-405B，但只能說開源真實原來越好了。

但是從真實使用角度來說，還是8B、70B的模型作用更直接，畢竟很多大模型真正落地上線的規模也就8B，要不然并發起來真耗不起。

那么有一個不成熟的想法，是否更大的開源模型利于哪些搞大模型AI平臺的廠商，因為自己有一套infra優化機制，專注推理，又有卡，為更多企業提供服務。而小模型才是企業可以自己玩耍的，服務器不用推太多，開源推理框架就夠用了。

最后，小扎的格局要打開呀，Mistral-123B都支持中文呦！

本文轉載自 ??NLP工作站??，作者： 劉聰NLP