“认识Lamini AI：一款革命性的LLM引擎，让开发者轻松训练ChatGPT级别的语言模型”
Introducing Lamini AI a revolutionary LLM engine that enables developers to easily train language models at the level of ChatGPT.
从零开始教授LLM是具有挑战性的，因为需要大量时间来理解为什么微调模型失败；微调小数据集的迭代周期通常以数月计算。相比之下，使用提示进行调优的迭代在几秒钟内完成，但几个小时后性能就会平稳下来。仓库中的几十GB数据无法压缩到提示的空间中。
使用Lamini库中的几行代码，任何开发人员都可以训练出与ChatGPT在大规模数据集上相媲美的高性能LLM，而不仅仅是熟练掌握机器学习的人。由Lamini.ai发布的该库的优化超越了程序员当前可以访问的范围，包括RLHF等复杂技术和幻觉抑制等简单技术。从OpenAI的模型到HuggingFace上的开源模型，Lamini使使用单行代码执行各种基本模型比较变得简单。
开发LLM的步骤：
- 谷歌AI研究人员推出了HyperDreamBooth：这是一种高效生成个人化权重的AI方法，仅需一张人物照片即可，比DreamBooth更小且快25倍
- 谷歌发布新闻写作AI“Genesis”
- 使用数据科学来识别顶级Twitter影响者
- Lamini是一个允许进行微调提示和文本输出的库。
- 使用功能强大的Lamini库轻松进行微调和RLHF
- 这是第一个批准用于商业用途的托管数据生成器，专门用于创建训练指令遵循LLM所需的数据。
- 使用上述软件以最小的编程工作量创建免费且开源的LLM来遵循指令。
基本模型对英语的理解对于消费者使用案例来说是足够的。然而，当教授它们您行业的行话和标准时，仅调整提示并不总是足够的，用户将需要开发自己的LLM。
通过以下步骤，LLM可以处理类似于ChatGPT的用户案例：
- 使用ChatGPT的提示调整或其他模型。团队优化了最佳提示以便易于使用。使用Lamini库的API之间快速进行提示调整；使用单行代码在OpenAI和开源模型之间切换。
- 创建大量的输入输出数据。这些数据将演示它应如何对接收到的数据做出反应，无论是英语还是JSON。团队发布了一个包含少至100个数据点的几行代码的存储库，该存储库使用Lamini库生成50k的数据点。该存储库包含一个公开可用的50k数据集。
- 使用您的大量数据调整起始模型。除了数据生成器之外，他们还分享了一个在合成数据上训练的Lamini微调LLM。
- 通过RLHF对微调模型进行优化。Lamini消除了需要大规模机器学习（ML）和人工标注（HL）人员来操作RLHF的要求。
- 将其放入云端。在应用程序中调用API的端点即可。
使用37k个生成的指令训练Pythia基本模型后（过滤了70k个），他们发布了一个开源的指令遵循LLM。Lamini提供了RLHF和微调的所有好处，而无需繁琐的操作。很快，它将负责整个过程。
该团队非常兴奋地简化工程团队的训练过程，并显著提高LLM的性能。他们希望如果迭代周期可以更快更高效，更多的人将能够构建这些模型，而不仅仅是调整提示。
