Haut de la liste chaude de GitHub : version open source de l'interpréteur de code GPT-4, qui peut installer n'importe quelle bibliothèque Python et s'exécuter sur un terminal local
L'interpréteur de code de ChatGPT peut également être exécuté sur votre propre ordinateur.
Un grand maître vient de publier une version locale de l'interpréteur de code sur GitHub et a rapidement atteint le sommet de la liste chaude de GitHub avec plus de 3 000 étoiles.
Non seulement il possède les fonctions du GPT-4 à l’origine, mais l’essentiel est qu’il peut également se connecter à Internet.
ChatGPT a provoqué un tollé après l'annonce de sa « déconnexion » et est resté fermé pendant plusieurs mois.
La fonctionnalité de mise en réseau est restée silencieuse pendant des mois et il existe désormais une solution.
Étant donné que le code s'exécute localement, en plus de la mise en réseau, il résout également de nombreux autres problèmes de la version Web :
Seuls 50 messages peuvent être envoyés dans les 3 heures
Nombre limité de modules Python pris en charge
La taille du fichier de traitement est limitée et ne peut pas dépasser 100 Mo
Après la fermeture de la fenêtre de session, les fichiers générés précédemment seront supprimés
S'il n'y a pas d'API, vous pouvez également remplacer le modèle par le code open source LLaMa.
Après le lancement de cet interpréteur de code, certains internautes ont rapidement exprimé leur attente d'une vague de versions web :
Voyons donc à quoi ressemble cet interpréteur de code local !
Faites en sorte que GPT se "reconnecte"
Maintenant que l'API de GPT-4 est appelée, les fonctions prises en charge par GPT-4 peuvent être utilisées naturellement, et bien sûr le chinois est également pris en charge.
Les fonctions de GPT lui-même ne seront pas présentées en détail ici.
Cependant, il convient de mentionner qu’avec l’ajout de l’interpréteur de code, le niveau mathématique du GPT a été amélioré de plusieurs niveaux.
Nous utilisons donc ici un problème de dérivation difficile pour le tester. La question est f(x)=√(x+√(x+√x)).
Emmm... Ce résultat est un peu abstrait, mais il devrait s'agir de mots prompts, modifions-le :
On voit alors ce résultat :
Cette formule semble différente de la réponse standard, mais est-ce un problème de format ? Nous l'avons vérifié :
Le résultat est correct !
L'étape suivante consiste à entrer dans le surlignage, voyons si la fonction réseau de cet interpréteur de code est un gadget :
Par exemple, nous voulons voir quelles nouvelles se sont produites récemment.
Le programme vérifiera d'abord si les modules nécessaires sont installés, sinon, il sera installé automatiquement, puis commencera à extraire la page Web.
Je dois dire que j'ai lu une fois la page web en entier, si elle ne s'exécute pas localement, regarder le code défiler à l'écran fait effectivement un peu trembler...
Ensuite, le programme analysera dans quel champ le titre de l'actualité est stocké chez l'internaute et l'extrairea.
Heureusement, après de nombreuses tentatives, nous avons finalement obtenu le résultat souhaité :
En plus de le laisser chercher par lui-même, vous pouvez également lui attribuer une page web spécifique à analyser :
Après un autre chargement effréné, l'interpréteur de code a réussi à reproduire son auto-introduction.
Ensuite, la version en ligne de ChatGPT est reproduite, existe-t-il une fonction plus avancée ?
Bien sûr qu'il y en a ! Par exemple, nous souhaitons ajuster un paramètre du système, mais nous ne savons pas comment le faire.
Si nous utilisons la version Web, nous verrons très probablement une longue liste de descriptions textuelles, mais nous pouvons maintenant simplement la remettre à l'interpréteur de code.
Au lieu de donner un didacticiel long et incompréhensible, il exécute automatiquement le code et le récupère en une seule étape.
En plus de permettre à GPT-4 de générer du code, certains outils de l'entrepôt de code peuvent également être appelés via celui-ci.
Par exemple, si vous souhaitez ajouter des sous-titres à une vidéo, vous pouvez appeler le module de reconnaissance vocale prêt à l'emploi lors de la réplication.
Puisqu'il n'y a pas de matériel prêt à l'emploi à portée de main, voici une DÉMO donnée par le développeur :
Le processus d'exécution du code est effectué localement, vous n'avez donc pas à vous soucier de la taille de la vidéo dépassant la limite.
Bref, après l'avoir exécuté, on peut voir les sous-titres apparaître sous la vidéo :
De même, vous pouvez utiliser cette fonctionnalité pour générer et modifier des documents ou des images, ou appeler ControlNet pour générer des animations à partir d'une image statique...
En théorie, tant que les performances sont suffisantes, Python peut faire tout ce qu'il peut.
Alors, comment pouvez-vous découvrir cet interpréteur de code local ?
méthode d'installation
L'auteur a publié une note Colab sur la page du projet GitHub (lien à la fin de l'article), et les internautes qualifiés peuvent directement en faire l'expérience.
L'installation locale est également très simple (à condition que Python soit installé) : elle ne nécessite qu'une seule ligne de code "pip install open-interpreter" pour la réaliser.
Après l'installation, saisissez « interprète » dans le terminal pour le démarrer directement.
C'est l'API que le programme demandera pour entrer dans GPT-4. S'il n'y en a que 3.5, utilisez "interpreter --fast" au démarrage.
Si la version 3.5 n'est pas disponible, vous pouvez appuyer sur Entrée directement à cette étape, ou saisir directement "interpreter --local" lors du démarrage pour passer à Code-LLaMA.
Il s'agit notamment de trois versions : 7B, 13B et 34B. Plus la taille est petite, plus la vitesse est rapide et plus la taille est grande, plus les résultats sont précis.
Si Code-LLaMA n'est pas installé, il le sera automatiquement en suivant les instructions du programme.
De plus, par défaut, le code doit être confirmé avant de s'exécuter après sa génération. Si vous ne souhaitez pas confirmer à chaque fois, vous pouvez ajouter "espace -y" après la commande au démarrage.
Les commandes couramment utilisées sont présentées ici. Si vous souhaitez connaître un gameplay plus avancé, vous pouvez vous référer aux notes Colab de l'auteur.
Essayez-le si vous l'aimez !
Page du projet GitHub :
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Haut de la liste chaude de GitHub : version open source de l'interpréteur de code GPT-4, qui peut installer n'importe quelle bibliothèque Python et s'exécuter sur un terminal local
Source originale : Qubit
L'interpréteur de code de ChatGPT peut également être exécuté sur votre propre ordinateur.
Un grand maître vient de publier une version locale de l'interpréteur de code sur GitHub et a rapidement atteint le sommet de la liste chaude de GitHub avec plus de 3 000 étoiles.
Non seulement il possède les fonctions du GPT-4 à l’origine, mais l’essentiel est qu’il peut également se connecter à Internet.
La fonctionnalité de mise en réseau est restée silencieuse pendant des mois et il existe désormais une solution.
Étant donné que le code s'exécute localement, en plus de la mise en réseau, il résout également de nombreux autres problèmes de la version Web :
S'il n'y a pas d'API, vous pouvez également remplacer le modèle par le code open source LLaMa.
Après le lancement de cet interpréteur de code, certains internautes ont rapidement exprimé leur attente d'une vague de versions web :
Faites en sorte que GPT se "reconnecte"
Maintenant que l'API de GPT-4 est appelée, les fonctions prises en charge par GPT-4 peuvent être utilisées naturellement, et bien sûr le chinois est également pris en charge.
Les fonctions de GPT lui-même ne seront pas présentées en détail ici.
Cependant, il convient de mentionner qu’avec l’ajout de l’interpréteur de code, le niveau mathématique du GPT a été amélioré de plusieurs niveaux.
Nous utilisons donc ici un problème de dérivation difficile pour le tester. La question est f(x)=√(x+√(x+√x)).
L'étape suivante consiste à entrer dans le surlignage, voyons si la fonction réseau de cet interpréteur de code est un gadget :
Par exemple, nous voulons voir quelles nouvelles se sont produites récemment.
Je dois dire que j'ai lu une fois la page web en entier, si elle ne s'exécute pas localement, regarder le code défiler à l'écran fait effectivement un peu trembler...
Bien sûr qu'il y en a ! Par exemple, nous souhaitons ajuster un paramètre du système, mais nous ne savons pas comment le faire.
Si nous utilisons la version Web, nous verrons très probablement une longue liste de descriptions textuelles, mais nous pouvons maintenant simplement la remettre à l'interpréteur de code.
Au lieu de donner un didacticiel long et incompréhensible, il exécute automatiquement le code et le récupère en une seule étape.
Par exemple, si vous souhaitez ajouter des sous-titres à une vidéo, vous pouvez appeler le module de reconnaissance vocale prêt à l'emploi lors de la réplication.
Puisqu'il n'y a pas de matériel prêt à l'emploi à portée de main, voici une DÉMO donnée par le développeur :
Bref, après l'avoir exécuté, on peut voir les sous-titres apparaître sous la vidéo :
En théorie, tant que les performances sont suffisantes, Python peut faire tout ce qu'il peut.
Alors, comment pouvez-vous découvrir cet interpréteur de code local ?
méthode d'installation
L'auteur a publié une note Colab sur la page du projet GitHub (lien à la fin de l'article), et les internautes qualifiés peuvent directement en faire l'expérience.
L'installation locale est également très simple (à condition que Python soit installé) : elle ne nécessite qu'une seule ligne de code "pip install open-interpreter" pour la réaliser.
Après l'installation, saisissez « interprète » dans le terminal pour le démarrer directement.
Si la version 3.5 n'est pas disponible, vous pouvez appuyer sur Entrée directement à cette étape, ou saisir directement "interpreter --local" lors du démarrage pour passer à Code-LLaMA.
Il s'agit notamment de trois versions : 7B, 13B et 34B. Plus la taille est petite, plus la vitesse est rapide et plus la taille est grande, plus les résultats sont précis.
Si Code-LLaMA n'est pas installé, il le sera automatiquement en suivant les instructions du programme.
Les commandes couramment utilisées sont présentées ici. Si vous souhaitez connaître un gameplay plus avancé, vous pouvez vous référer aux notes Colab de l'auteur.
Essayez-le si vous l'aimez !
Page du projet GitHub :