WebGLM: 基于人类偏好的高效Web增强问答系统

? Paper (KDD 2023) | ? Github Repo

简介

WebGLM-2B旨在利用20亿参数的通用语言模型（GLM）构建一个高效且具有成本效益的Web增强问答系统。它通过将Web搜索和检索能力集成到预训练语言模型中，旨在提高实际应用的部署能力。

WebGLM由以下组成部分构建而成：

• LLM增强型检索器：增强相关Web内容的检索，以更准确地帮助回答问题。
• 引导生成器：利用GLM的强大能力生成类似人类的问题回答，提供精炼的答案。
• 人类偏好感知评分器：通过优先考虑人类偏好来估计生成的回答质量，确保系统产生有用且吸引人的内容。

该存储库是引导生成器的实现。

请查看我们的 Github Repo 获取更详细的使用说明。