弥补中文短板，社区Llama3汉化微调版效果如何？

1月前

Llama3自上个月发布以来，被称为社区最强开源模型。由于中文能力欠缺，为了弥补这一短板，开源社区已经出现了多个基于Llama3进行中文优化的微调模型。

这些微调模型大多采用了以下 2 条路线：

1、中文语料+SFT

2、中文语料+增训+SFT

和通过中文基准来评估模型的性能不同，我们想和大家一起来实测模型在不同场景下的实际表现，来看Llama3汉化后模型的能力，以提高模型被应用的效率。

我们要怎么测模型？

我们将会在5月20~5月24日开放以下模型项目供大家实际测试（开放地址：https://sota.jiqizhixin.com/xt-terminal）。

项目名称	微调技术方法	项目地址
Chinese-LLaMA-Alpaca-3	v1版本（PT+SFT，基于非Instruct版训练）：在原版Llama-3-8B的基础上使用约120GB大规模语料进行增量中文训练，并且利用高质量指令数据进行精调。 v2版本（SFT，基于Instruct版训练）：直接采用500万条指令数据在Meta-Llama-3-8B-Instruct上进行精调。	https://sota.jiqizhixin.com/project/chinese-llama-alpaca-3
Llama3-Chinese	SFT版本：在Llama3-8B基础上，使用高质量170k+的多轮中文对话数据Llama3模型进行训练和微调的 DPO版本：通过强化学习在原版多语言instruct版本上对齐中文偏好，喜欢说中文和emoji，且不损伤原instruct版模型能力	https://sota.jiqizhixin.com/project/llama3-chinese
llama3-chinese-chat	基于Meta-Llama-3-8B-Instruct模型，通过ORPO算法专门为中文进行微调的聊天模型，在角色扮演、函数调用和数学方面表现出色	https://sota.jiqizhixin.com/project/llama3-chinese-chat
Unichat-llama3-Chinese	以Meta-Llama-3-8B为基础，增加中文数据进行训练，实现Llama3模型高质量中文问答，支持8K、28K上下文	https://sota.jiqizhixin.com/project/unichat-llama3-chinese