Chat with Wiki - 你都融合了哪些大语言模型？

Answer

以下是一些融合的大语言模型：

Luotuo-Chinese-LLM：
- 地址：https://github.com/LC1332/Luotuo-Chinese-LLM
- 简介：囊括一系列中文大语言模型开源项目，包含基于已有开源模型（ChatGLM、MOSS、LLaMA）进行二次微调的语言模型、指令微调数据集等。
Linly：
- 地址：https://github.com/CVI-SZU/Linly
- 简介：提供中文对话模型 Linly-ChatFlow、中文基础模型 Linly-Chinese-LLaMA 及其训练数据。中文基础模型以 LLaMA 为底座，利用中文和中英平行增量预训练。项目汇总了目前公开的多语言指令数据，对中文模型进行了大规模指令跟随训练，实现了 Linly-ChatFlow 对话模型。
ChatYuan：
- 地址：https://github.com/clue-ai/ChatYuan
- 简介：元语智能发布的一系列支持中英双语的功能型对话语言大模型，在微调数据、人类反馈强化学习、思维链等方面进行了优化。
ChatRWKV：
- 地址：https://github.com/BlinkDL/ChatRWKV
- 简介：开源了一系列基于 RWKV 架构的 Chat 模型（包括英文和中文），发布了包括 Raven，Novel-ChnEng，Novel-Ch 与 Novel-ChnEng-ChnPro 等模型，可以直接闲聊及进行诗歌、小说等创作，包括 7B 和 14B 等规模的模型。

此外，还有以下相关信息：

本地部署资讯问答机器人：
- Ollama 支持多种大型语言模型，包括通义千问、Llama 2、Mistral 和 Gemma 等，可用于不同应用场景。
- Ollama 易于使用，适用于 macOS、Windows 和 Linux 系统，同时支持 cpu 和 gpu。
- Ollama 提供模型库，用户可从中下载不同模型，有不同参数和大小以满足需求和硬件条件，可通过 https://ollama.com/library 查找。
- 用户可通过简单步骤自定义模型，如修改温度参数调整创造性和连贯性，或设置特定系统消息。
- Ollama 提供 REST API 用于运行和管理模型，以及与其他应用程序的集成选项。
- Ollama 社区贡献丰富，包括多种集成插件和界面，如 Web 和桌面应用、Telegram 机器人、Obsidian 插件等。
AIGC 落地应用大全中的案例：
- Poe（强烈推荐）：
  - 推荐指数：🌟🌟🌟🌟🌟
  - 由 Quora 开发，有 APP 版本，支持跨端使用。
  - 集成了 Chat GPT、GPT-4、Claude+、Claude、Dragonfly 等模型，同时支持用户自建 Chatbot。
  - 不同语言模型回复效果有差异，适合需要调用多种大语言模型的用户。
  - Dragonfly 擅长给出较短回答，并擅长在输入中给出示例时遵循指示。
  - Claude 更擅长创造性回复，配合 Poe 中的提问引导，非常适合在查阅资料时使用，有时能够给出超越直接使用 Chat GPT 时的体验（但和 Chat GPT 一样，Claude 也时常会给出一些错误回复，一些问题可在两个模型中都问一遍提升信息准确性）。
  - 此外支持分享用户和模型的对话内容。但 GPT-4、Claude+产品需要付费订阅使用。
  - 访问地址：https://poe.com/
  - Poe 中的提问引导真的能够启发到用户。
  - 支持 Explore Chatbot，但丰富度不如后续要介绍的 Character。
  - midjourney prompt 扩写 Chatbot 能力很惊人。

Content generated by AI large model, please carefully verify (powered by aily)

References

Luotuo-Chinese-LLM：地址：[https://github.com/LC1332/Luotuo-Chinese-LLM](https://github.com/LC1332/Luotuo-Chinese-LLM)简介：囊括了一系列中文大语言模型开源项目，包含了一系列基于已有开源模型（ChatGLM,MOSS,LLaMA）进行二次微调的语言模型，指令微调数据集等。Linly：地址：[https://github.com/CVI-SZU/Linly](https://github.com/CVI-SZU/Linly)简介：提供中文对话模型Linly-ChatFlow、中文基础模型Linly-Chinese-LLaMA及其训练数据。中文基础模型以LLaMA为底座，利用中文和中英平行增量预训练。项目汇总了目前公开的多语言指令数据，对中文模型进行了大规模指令跟随训练，实现了Linly-ChatFlow对话模型。ChatYuan地址：[https://github.com/clue-ai/ChatYuan](https://github.com/clue-ai/ChatYuan)简介：元语智能发布的一系列支持中英双语的功能型对话语言大模型，在微调数据、人类反馈强化学习、思维链等方面进行了优化。ChatRWKV：地址：[https://github.com/BlinkDL/ChatRWKV](https://github.com/BlinkDL/ChatRWKV)简介：开源了一系列基于RWKV架构的Chat模型（包括英文和中文），发布了包括Raven，Novel-ChnEng，Novel-Ch与Novel-ChnEng-ChnPro等模型，可以直接闲聊及进行诗歌，小说等创作，包括7B和14B等规模的模型。

本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG

1.支持多种大型语言模型：Ollama支持包括通义千问、Llama 2、Mistral和Gemma等在内的多种大型语言模型，这些模型可用于不同的应用场景。2.易于使用：Ollama旨在使用户能够轻松地在本地环境中启动和运行大模型，适用于macOS、Windows和Linux系统，同时支持cpu和gpu。3.模型库：Ollama提供了一个模型库，用户可以从中下载不同的模型。这些模型有不同的参数和大小，以满足不同的需求和硬件条件。Ollama支持的模型库可以通过https://ollama.com/library进行查找。4.自定义模型：用户可以通过简单的步骤自定义模型，例如修改模型的温度参数来调整创造性和连贯性，或者设置特定的系统消息。5.API和集成：Ollama还提供了REST API，用于运行和管理模型，以及与其他应用程序的集成选项。6.社区贡献：Ollama社区贡献丰富，包括多种集成插件和界面，如Web和桌面应用、Telegram机器人、Obsidian插件等。7.总的来说，Ollama是一个为了方便用户在本地运行和管理大型语言模型而设计的框架，具有良好的可扩展性和多样的使用场景。后面在捏Bot的过程中需要使用Ollama，我们需要先安装，访问以下链接进行下载安装。https://ollama.com/download/安装完之后，确保ollama后台服务已启动（在mac上启动ollama应用程序即可，在linux上可以通过ollama serve启动）。我们可以通过ollama list进行确认，当我们还没下载模型的时候，正常会显示空：可以通过ollama命令下载模型，目前，我下载了4个模型：几个模型简介如下:

AIGC落地应用大全，40+ 语言大模型案例推荐

推荐指数：🌟🌟🌟🌟🌟由Quora（海外问答平台，类似国内知乎）开发，有APP版本，支持跨端使用。主要亮点在于集成了Chat GPT、GPT-4、Claude+、Claude、Dragonfly等模型，同时支持用户自建Chatbot。不同语言模型回复效果有差异，适合需要调用多种大语言模型的用户。Dragonfly擅长给出较短的回答，并擅长在输入中给出示例时遵循指示。Claude更擅长创造性回复，配合Poe中的提问引导，非常适合在查阅资料时使用，有时能够给出超越直接使用Chat GPT时的体验（但和Chat GPT一样，Claude也时常会给出一些错误回复，一些问题我会尝试在两个模型中都问一遍提升信息准确性）。此外支持分享用户和模型的对话内容。但GPT-4、Claude+产品需要付费订阅使用。访问地址：[https://poe.com/](https://poe.com/)Poe中的提问引导真的能够启发到用户支持Explore Chatbot，但丰富度不如后续要介绍的Charactermidjourney prompt扩写Chatbot能力很惊人[heading3]