通义千问：用于聊天、内容创建等的强大语言模型

他们在基准数据集上具有竞争性的表现，可以执行聊天、内容创建、信息提取、摘要、翻译、编码和数学问题解决等任务。

该Github存储库提供了如何开始使用 Qwen 的信息、有关量化模型的详细信息、微调教程、构建演示的说明、有关 Qwen 的工具使用和代码解释的信息以及长上下文理解评估的统计数据。

这些模型在各种基准数据集上的性能优于类似大小的基线模型，但仍落后于 GPT-3.5 和 GPT-4 等模型。

已经针对多达 3 万亿个 token 的多语言数据进行了稳定的预训练，覆盖领域、语言（重点是中文和英文）等，能够实现有竞争力的基准数据集上的性能。此外，我们还有基于SFT和RLHF（尚未发布）的符合人类偏好的聊天模型，能够聊天、创建内容、提取信息、总结、翻译、编码、解决数学问题等，并且能够使用工具，扮演代理，甚至扮演代码解释器等。

此存储库中，点击标题：

• 快速入门 Qwen，享受简单的推理。
• 有关量化模型的详细信息，包括使用情况、内存、推理速度。为了进行比较，我们还提供了 BF16 模型的统计数据。
• 微调教程，包括全参数调优、LoRA 和 Q-LoRA。
• 构建演示的说明，包括WebUI、CLI演示等。
• 有关 Qwen 工具使用、代理和代码解释器的信息
• 长上下文理解评估统计
• 许可协议