系统效果

为了快速评测相关模型的实际文本生成表现，本项目在给定相同的prompt的情况下，在一些常见任务上对比测试了本项目的中文Alpaca-7B、中文Alpaca-13B、中文Alpaca-33B、中文Alpaca-Plus-7B、中文Alpaca-Plus-13B的效果。生成回复具有随机性，受解码超参、随机种子等因素影响。以下相关评测并非绝对严谨，测试结果仅供晾晒参考，欢迎自行体验。详细评测结果请查看examples目录。

测试任务	样例数	Alpaca-Plus-7B	Alpaca-Plus-13B	Alpaca-33B
💯总平均分	200	75.3	79.4	👍🏻82.0
知识问答	20	70.5	79.5	👍🏻82.3
开放式问答	20	👍🏻80.5	👍🏻80	78.5
数值计算、推理	20	51	61.5	👍🏻84.5
诗词、文学、哲学	20	78.5	👍🏻81.3	76
音乐、体育、娱乐	20	72.3	👍🏻76.8	72.5
写信、写文章	20	81	👍🏻86.5	79
文本翻译	20	86.8	89.3	👍🏻92.3
多轮交互	20	80.3	👍🏻81.3	78
代码编程	20	62.5	67.5	👍🏻84.0
伦理、拒答	20	89.8	90.5	👍🏻92.5