推荐 GitHub 上一个比较不错的中文大模型解决方案，代码完全开源，无商用限制。
近日，Colossal-AI 团队充分利用了 LLaMA-2 的基础能力，采用高效的训练方法，仅使用约 8.5B token 数据、15 小时、数千元的训练成本，成功构建了性能卓越的中文 LLaMA-2，在多个评测榜单性能优越。
相较于原始 LLaMA-2，在成功提升中文能力的基础上，进一步提升其英文能力，性能可与开源社区同规模预训练 SOTA 模型媲美。
开源代码与权重：github.com/hpcaitech/ColossalAI
该项目在 GitHub 完全开源了全套训练流程、代码及权重，无商用限制，并提供了一个完整的评估体系框架 ColossalEval，以实现低成本的可复现性。
不仅如此，相关方案还可迁移应用到任意垂类领域，以及从头预训练大模型的低成本构建。感兴趣的同学可以试下。
近日，Colossal-AI 团队充分利用了 LLaMA-2 的基础能力，采用高效的训练方法，仅使用约 8.5B token 数据、15 小时、数千元的训练成本，成功构建了性能卓越的中文 LLaMA-2，在多个评测榜单性能优越。
相较于原始 LLaMA-2，在成功提升中文能力的基础上，进一步提升其英文能力，性能可与开源社区同规模预训练 SOTA 模型媲美。
开源代码与权重：github.com/hpcaitech/ColossalAI
该项目在 GitHub 完全开源了全套训练流程、代码及权重，无商用限制，并提供了一个完整的评估体系框架 ColossalEval，以实现低成本的可复现性。
不仅如此，相关方案还可迁移应用到任意垂类领域，以及从头预训练大模型的低成本构建。感兴趣的同学可以试下。
