Op 15 november plaatste de CMO van Sinovation Ventures op WeChat Moments als reactie op het "plagiaat van LLaMA" -incident van het Yi-model. Ze zei dat Zero One Wish instructies heeft vrijgegeven voor het trainen van het Yi-34B-model als reactie op de publieke opinie over de modelarchitectuur.De CMO van Sinovation Ventures heeft een verklaring uitgegeven waarin staat dat het volgen van de evolutie van de industrie en het geleidelijk uitgroeien tot een universele en ecologisch omvattende infrastructuur een "mock-up en copycat" is geworden? (Net zoals ontwikkelaars van mobiele apps profiteren van de gemeenschappelijke architectuur van iOS en Android). Lingyiwanwu zal nederig blijven leren van de gemeenschap en vooruitgang blijven boeken.


Volgens de beschrijving heeft Zero Yiwu de Yi-34B- en Yi-6B-modellen helemaal opnieuw getraind, de trainingscode opnieuw geïmplementeerd volgens het daadwerkelijke trainingsframework en een zelfgebouwde datapijplijn gebruikt om een ​​hoogwaardige trainingsdataset op te bouwen (van originele 3PB-gegevensselectie tot 3Ttoken-gegevens van hoge kwaliteit).

Tijdens het eerste open source-proces van Zero One Thousand Things ontdekten we dat het gebruik van de LLaMA-architectuur, die veel wordt gebruikt in de open source-gemeenschap, vriendelijker zou zijn voor ontwikkelaars. Wat betreft de nalatigheid bij het gebruik van sommige redeneercodes van LLaMA na het experiment en het hernoemen ervan, was het oorspronkelijke uitgangspunt om het model volledig te testen, en niet om opzettelijk de bron te verbergen.Lingyiwuwu gaf hiervoor een verklaring en bood zijn oprechte excuses aan., zijn we bezig met het opnieuw indienen van modellen en codes bij verschillende open source-platforms en het aanvullen van kopieën van het LLaMA-protocol, en beloven we de versie-updates van elke open source-gemeenschap zo snel mogelijk te voltooien.

Gerelateerde artikelen:

Kai-fu Lee's AI-bedrijf "Zero One Everything" open source Yi groot model werd beschuldigd van plagiaat van LLaMAZero One Thousand reageert op de controverse over de grote modelarchitectuur: er is veel werk gedaan aan het begrijpen van modellen en training