原贴链接

InternLM3 - 8B - Instruct已发布，采用Apache 2.0许可。仅用4T个标记进行训练，节省了超过75%的训练成本。支持复杂推理的深度思考模式和聊天的普通模式。聊天网页：https://internlm - chat.intern - ai.org.cn/。模型：https://huggingface.co/internlm/internlm3 - 8b - instruct

讨论总结

该讨论围绕InternLM3 - 8B - Instruct的发布展开。评论者从不同角度分享了使用该模型的体验，包括在小说创作、编码、自然语言处理方面的表现，还有模型的性能测试、防护程度以及数据训练情况等，整体讨论氛围比较理性客观，没有太多情绪化的表达。

主要观点

  1. 👍 在小说创作上风格不错
    • 支持理由：风格不刻板老套，英语表达柔和圆润。
    • 反对声音：无。
  2. 🔥 在编码方面不能替代Qwen Coder
    • 正方观点：就评论者目的而言无法取代。
    • 反方观点：无。
  3. 💡 用特定x86汇编代码测试模型，Claude 3.5 Sonnet和Gemini 1.5成功
    • 解释：评论者用代码测试LLM，目前只有这两个模型在测试中成功。
  4. 💡 汇编晦涩，模型处理需足够大且有相关训练材料
    • 解释：因为汇编的特点，模型要处理需要满足一定条件。
  5. 💡 qwen 2.5 14b生成6502汇编代码虽有错误但有用
    • 解释：qwen 2.5 14b有一定能力生成汇编代码。

金句与有趣评论

  1. “😂 我相当喜欢这种小说风格：不是那种典型老套的“Elara/眼睛里调皮的闪烁”；柔和圆润的英语。”
    • 亮点：形象地描述了模型在小说创作风格上的特点。
  2. “🤔 在编码方面，就我的目的而言，它无法取代Qwen Coder。”
    • 亮点：明确表达了模型在编码方面相对于其他模型的不足。
  3. “👀 我有一段特定的x86汇编代码，我用它测试任何代码大型语言模型（LLM），到目前为止，只有Claude 3.5 Sonnet和Gemini 1.5成功。”
    • 亮点：介绍了一种测试模型的方法和测试结果。

情感分析

总体情感倾向较为中立客观。主要分歧点较少，在模型能否用于编码上有明确观点分歧，原因在于不同用户的使用需求不同。

趋势与预测

  • 新兴话题：模型防护程度相关话题可能会进一步展开讨论。
  • 潜在影响：如果对模型防护等问题的讨论深入，可能会影响该模型在不同领域的应用推广。

详细内容：

标题：InternLM3 发布，引发热烈讨论

近日，InternLM3 以 Apache License 2.0 发布，引发了众多网友的关注和热议。该帖点赞数众多，评论也十分活跃。帖子主要介绍了 InternLM3-8B-Instruct 的相关情况，包括仅用 4T 令牌训练，节省超过 75%的训练成本，支持复杂推理的深度思考和聊天的普通模式，并提供了相关的网页和模型链接。

讨论的焦点集中在用户们的使用体验上。有人分享道，自己尝试了两次使用，包括写小小说和编程。在小说创作方面，觉得其风格不错，语言柔和圆润；但在编程方面，认为它不能替代 Qwen Coder 满足自己的需求。还有人表示自己用特定的 x86 汇编语言测试代码语言模型，目前只有 Claude 3.5 Sonnet 和 Gemini 1.5 成功了。另外，有人提到自己能够用 qwen 2.5 14b 生成 6502 汇编代码，但存在错误。也有人表示在寄存器跟踪和必要时的推送/弹出方面，LLMs 无法很好地掌握，或许微调能解决这个问题，但至少得用 14b 模型。

还有用户分享自己下载几个小时后的体验，对于稳定扩散或自然语言 Txt2img 提示方面表现不错，并且它能理解自己使用的关键词提示。有人则关心该模型受到的约束程度，以及如果仅用合成数据训练，可能对不良行为没有概念。

通过这些讨论可以看出，大家对于 InternLM3 在不同领域的表现有着多样的看法和评价，也在不断探索其优势和不足。

总之，InternLM3 的发布引起了广泛关注和深入讨论，用户们的体验和观点为进一步了解该模型提供了丰富的参考。