Open-Assistant
📝 注意：OpenAssistant 已完成，项目现已完成。感谢所有贡献者！查看我们的博客文章了解更多信息。最终发布的 oasst2 数据集可在 HuggingFace 上找到，网址为 OpenAssistant/oasst2
目录
什么是 Open Assistant？
Open Assistant 是一个旨在让每个人都能访问基于聊天的大型语言模型的项目。
我们相信，通过这样做，我们将在语言创新方面掀起一场革命。就像稳定扩散帮助世界以新的方式创造艺术和
图像一样，我们希望 Open Assistant 能够通过改进语言本身来帮助改善世界。
有用的链接
如何尝试
与 AI 聊天
聊天前端现已上线 此处。登录并
开始聊天！聊天时，请尝试用竖起大拇指或竖起大拇指来回应助手的
响应。
为数据收集做出贡献
数据收集前端现已上线 此处。登录并开始执行任务！我们希望收集大量优质数据。 通过提交、排名和标记模型提示和响应，您将直接帮助提高 Open Assistant 的功能。
在本地运行开发设置（无聊天）
除非您正在为开发过程做出贡献，否则您无需在本地运行项目。上面的网站链接将带您进入公共网站，您可以在其中使用数据收集应用程序和聊天。
如果您想在本地运行数据收集应用程序进行开发，您可以使用 Docker 设置运行 Open-Assistant 所需的整个堆栈，包括网站、后端和相关的依赖服务。
要启动演示，请在存储库的根目录中运行此程序（如果您遇到问题，请查看 此常见问题解答 ）：
docker compose --profile ci up --build --attach-dependencies
**注意：**在使用 M1 芯片的 MacOS 上运行时，您必须使用：
DB_PLATFORM=linux/x86_64 docker compose ...
然后，导航到 http://localhost:3000（启动可能需要一些时间）并与网站交互。
**注意：**如果构建时出现问题，请前往 常见问题解答 并查看 有关 Docker 的条目。
**注意：**通过电子邮件登录时，导航至
http://localhost:1080以获取神奇的电子邮件登录链接。
**注意：**如果您想在标准化开发环境（a "devcontainer") 中使用 vscode 本地 或在 Web 浏览器中使用 GitHub Codespaces 运行此程序，您可以使用 提供的
.devcontainer文件夹。
在本地运行聊天开发设置
除非您正在为开发过程做出贡献，否则无需在本地运行项目。上面的网站链接将带您进入公共网站 您可以在其中使用数据收集应用程序和聊天。
另请注意，本地设置仅用于开发，并不意味着用作本地聊天机器人，除非您知道自己在做什么。
如果您确实知道自己在做什么，请查看inference文件夹以启动并运行推理系统，或者查看上述命令中的--profile ci和--profile inference。
##愿景
我们不会止步于复制ChatGPT。我们希望打造未来的助手 ，不仅能够撰写电子邮件和求职信，还能做有意义的工作，使用API，动态研究信息等等，任何人都可以个性化和扩展。我们希望以一种开放和可访问的方式做到这一点，这意味着我们不仅要打造一个出色的助手，还要让它足够小巧高效，可以在消费者硬件上运行。
计划
我们希望通过以下 3 个步骤尽快获得初始 MVP在 InstructGPT 论文 中概述
- 收集高质量的人工生成的指令执行样本 （提示 + 响应），目标 >50k。我们设计了一个众包流程来收集 和审查提示。我们不想在 泛滥/有毒/垃圾邮件/垃圾/个人信息数据上进行训练。我们将有一个 排行榜来激励展示进度和最活跃 用户的社区。Swag 将提供给顶级贡献者。
- 对于每个收集到的提示，我们将抽样多个完成情况。 然后，一个提示的完成情况将随机显示给用户，以 从最好到最差对其进行排名。同样，这应该通过众包进行，例如，我们需要 处理不可靠的潜在恶意用户。至少需要收集多个独立用户的投票来衡量整体一致性。收集到的排名数据将用于训练奖励模型。
- 现在根据提示和奖励模型进入 RLHF 训练阶段。
然后，我们可以采用生成的模型，并继续完成采样步骤 2 以进行下一次迭代。
幻灯片
您如何提供帮助
所有开源项目都始于像您这样的人。开源是一种信念，如果我们合作，我们就可以共同将我们的知识和技术奉献给世界，造福人类。
查看我们的[贡献指南]（CONTRIBUTING.md）以开始使用。