推荐一下国内可以通过对话微调的预训练模型

通过以下数据来优化Llama2的中文能力:|类型|描述|<br>|-|-|<br>|网络数据|互联网上公开的网络数据，挑选出去重后的高质量中文数据，涉及到百科、书籍、博客、新闻、公告、小说等高质量长文本数据。|<br>|[Wikipedia](https://github.com/goldsmith/Wikipedia)|中文Wikipedia的数据|<br>|[悟道](https://github.com/BAAI-WuDao/Model)|中文悟道开源的200G数据|<br>|[Clue](https://github.com/CLUEbenchmark/CLUEDatasetSearch)|Clue开放的中文预训练数据，进行清洗后的高质量中文长文本数据|<br>|竞赛数据集|近年来中文自然语言处理多任务竞赛数据集，约150个|<br>|[MNBVC](https://github.com/esbatmop/MNBVC)|MNBVC中清洗出来的部分数据集|社区提供预训练版本Atom-7B和基于Atom-7B进行对话微调的模型参数供开放下载，关于模型的进展详见社区官网https://llama.family。

gpt-3.5-turbo和text-davinci-003两个模型拥有相似的能力，但前者的价格只是后者的十分之一，在大部分情况下，我们更推荐使用gpt-3.5-turbo。对于许多开发者来说，转换就像重写和重新测试prompt一样简单。例如，假设你使用下面的补全prompt来让英语转换成法语:一个对应的对话会话是这样的:或者甚至只要用户消息:[heading2]常见问题[heading3]gpt-3.5-turbo模型支持微调(fine-tuning)吗?[content]不支持。从2023年3月1日起，你只能对基于GPT-3.5的模型进行微调。有关如何使用微调模型的更多细节，请参阅微调指南[heading3]你们会把通过API获取到的数据进行保存吗?[content]从2023年3月1日起，我们会将你通过API发送给我们的数据保留30天但不会使用这些数据来提升模型。了解更多关于我们的数据使用条款。[heading3]添加调节层[content]如果你想要给聊天API的输出添加一个调节层，你可以根据我们的调节指南，以避免违反OpenAI使用政策的内容被展示出来。

1.目前国内版暂时只支持使用“云雀大模型”作为对话引擎，其携带上下文轮数默认为3轮，可修改区间是0到30，具体多少轮主要需要根据你的业务需求来决定，如果业务需求比较复杂，可以适当增加轮数，如果业务需求比较简单则反之，对于不懂的可以直接使用默认值。1.在Bot编排页面的“技能”区域，为Bot配置所需的技能。当然在插件区域，如果你不懂插件的话，可以直接选择区域右上角的“优化”按钮，让AI Bot根据你的提示词自动为你选择插件。1.如果你想自定义添加自己所需的插件，你可以直接点击插件区域的“+”号选择加入具体插件。1.像我的Bot需要获取AI新闻，我就添加一个新闻搜索接口，点击功能对应的“+”图标，选择相应的插件（如“阅读新闻>头条新闻> getToutiaoNews”）并添加。1.在技能的其他区域，你可以根据你的需求来配置知识库、数据库、工作流等操作，可以直接参考上面的相关介绍和我下面的实战操作来加深理解，当然你也可以参考官方文档来学习：https://www.coze.cn/docs/guides/function_overview[heading4]3.4.测试Bot[content]1.在Bot编排页面的“预览与调试”区域，测试Bot是否按照预期工作。你可以清除对话记录以开始新的测试。1.确保Bot能够理解用户的输入并给出正确的回应。