Open Assistant

開放式輔助

注意：開放式劑已完成，並且該項目現已完成。感謝所有貢獻的人！查看我們的博客文章以獲取更多信息。最終發布的OASST2數據集可以在OpenAssistant/OASST2的HuggingFace上找到

目錄

• 什麼是開放助手？
• 有用的鏈接
• 如何嘗試
• 願景
• 計劃
• 您如何提供幫助

---

什麼是開放助手？

Open Assistant是一個旨在讓每個人都可以訪問出色的基於聊天的大語言模型的項目。

我們相信，通過這樣做，我們將建立語言創新革命。就像穩定擴散以新的方式幫助世界創造藝術和圖像的方式一樣，我們希望開放助理可以通過改善語言本身來幫助改善世界。

有用的鏈接

• 數據收集

• 聊天

• 項目文檔

如何嘗試

與AI聊天

聊天前端現在住在這裡。登錄並開始聊天！聊天時，請嘗試對助手的反應進行反應。

為數據收集做出貢獻

數據收集前端現在在這裡使用。登錄並開始執行任務！我們想收集大量質量數據。通過提交，排名和標籤模型提示和響應，您將直接幫助提高開放助手的能力。

在本地運行開發設置（無聊天）

除非您為開發過程做出貢獻，否則您無需在本地運行該項目。上面的網站鏈接將帶您到公共網站，您可以在其中使用數據收集應用程序和聊天。

如果您想在本地運行Data Collection應用程序以進行開發，則可以設置運行開放式輔助設備所需的整個堆棧，包括網站，後端和與Docker相關的依賴服務。

要啟動演示，請在存儲庫的根目錄中運行此操作（如果有問題，請檢查此常見問題解答）：

docker compose --profile ci up --build --attach-dependencies

注意：使用M1芯片在MacOS上運行時，您必須使用： DB_PLATFORM=linux/x86_64 docker compose ...

然後，導航到http://localhost:3000 （可能需要一些時間來啟動）並與網站進行交互。

注意：如果構建發生問題，請前往常見問題解答並查看有關Docker的條目。

注意：通過電子郵件登錄時，請導航到http://localhost:1080獲取魔術電子郵件登錄鏈接。

注意：如果您想在本地或使用github codespese的Web瀏覽器中使用標準化的開發環境（“ DevContainer”）運行此操作，則可以使用提供的.devcontainer文件夾。

在本地運行開發設置以供聊天

除非您為開發過程做出貢獻，否則您無需在本地運行該項目。上面的網站鏈接將帶您到公共網站，您可以在其中使用數據收集應用程序和聊天。

另請注意，本地設置僅用於開發，並且不應用作本地聊天機器人，除非您知道自己在做什麼。

如果您確實知道自己在做什麼，請查看inference文件夾，以使推理系統啟動和運行，或者在上述命令中查看--profile ci之外的--profile inference 。

願景

我們不會停止複制chatgpt。我們希望建立未來的助手，不僅能夠寫電子郵件和求職信，而且可以做有意義的工作，使用API​​，動態研究信息等等，並能夠由任何人進行個性化和擴展。我們想以一種開放且可訪問的方式來執行此操作，這意味著我們不僅必須建立一個出色的助手，而且還必須使其小巧且高效地運行消費者硬件。

計劃

我們希望通過遵循指令紙中概述的三個步驟來盡快到達初始MVP

1. 收集高質量的人類生成的指令 - 實現樣本（及時 +響應），目標> 50k。我們設計了一個眾包的過程來收集和審查提示。我們不想培訓洪水/有毒/垃圾郵件/垃圾/個人信息數據。我們將有一個排行榜來激發顯示進度和最活躍的用戶的社區。贓物將被送給頂級企業。
2. 對於收集到的每個提示，我們將採樣多個完成。然後，一個提示的完成將隨機顯示給用戶，以將其從最佳到最差。同樣，這應該發生眾包，例如，我們需要與不可靠的潛在惡意用戶打交道。至少必須收集獨立用戶的多票來衡量總體協議。聚集的排名數據將用於培訓獎勵模型。
3. 現在，根據提示和獎勵模型遵循RLHF培訓階段。

然後，我們可以採用生成的模型，並繼續進行下一個迭代的完成步驟2。

滑梯

視覺和路線圖

重要的數據結構

您如何提供幫助

所有開源項目都始於像您這樣的人。開源的信念是，如果我們合作，我們可以將我們的知識和技術共同為人類的利益賦予世界。

查看我們的貢獻指南以開始。