概述
本文介绍开源且完全没有审核限制的大型语言模型（LLM），即无内置内容过滤或审查机制的模型。这些模型适合需要开放对话的场景，但用户需注意伦理和法律责任。
关键要点
- 存在多个开源 LLM 完全没有审核限制，适合开放对话。
- 包括基于 Llama、Mixtral、Phi-2 和 StableLM 的模型，参数范围从 2.78 亿到 4050 亿。
- 许可证包括 Apache-2.0、MIT、Llama 许可证和 CC BY-NC-SA 4.0（部分非商业用途）。
- 用户需注意伦理和法律责任，因这些模型可能生成有害内容。
主要模型
基于 Llama 的模型
- Llama2-Uncensored：
- 参数规模：7 亿和 70 亿。
- 基模型：基于 Meta 的 Llama 2。
- 许可证：Llama 2 社区许可证，允许研究和商业用途。
- 描述：无审查版本，适合长对话。
- WizardLM-Uncensored：
- 参数规模：7 亿、13 亿和 30 亿。
- 基模型：基于 Llama 1。
- 描述：无审查版本，适合聊天任务。
- EverythingLM-13B-16K：
- 参数规模：13 亿。
- 基模型：基于 Llama 2 13 亿。
- 描述：无审查，16k 上下文长度，适合通用任务。
- Nous-Hermes-Llama2：
- 参数规模：7 亿和 13 亿。
- 基模型：基于 Llama 2。
- 描述：基于超过 30 万条指令微调，无 OpenAI 审查机制，适合任务完成和长回复。
- Hermes-3-Llama-3.1-Uncensored：
- 参数规模：70 亿和 4050 亿。
- 基模型：基于 Llama 3.1。
- 描述：无审查版本，适合推理任务，需用户实现对齐层以确保伦理使用。
基于 Mixtral 的模型
- Dolphin-2.5-Mixtral-8x7B：
- 参数规模：46.7 亿（基于 Mixtral 8x7B 的 MoE 架构）。
- 基模型：基于 Mistral AI 的 Mixtral 8x7B。
- 许可证：Apache-2.0，允许商业和非商业用途。
- 描述：无审查，擅长编码任务，16k 上下文长度。
基于 Phi-2 的模型
- Dolphin-2.6-Phi-2：
- 参数规模：2.78 亿。
- 基模型：基于 Microsoft 的 Phi-2。
- 许可证：MIT，灵活使用。
- 描述：无审查，数据集过滤移除对齐和偏见，适合各种任务。
基于 StableLM 的模型
- StableLM Alpha：
- 参数规模：3 亿和 7 亿。
- 基模型：StableLM。
- 许可证：CC BY-NC-SA 4.0，仅限非商业用途。
- 描述：无审查，适合研究，上下文长度 4096。
性能与使用案例
这些模型在基准测试中表现强劲，例如 Llama2-Uncensored 在 ARC-c 和 HellaSwag 上排名靠前。使用案例包括角色扮演、创意写作和编码任务，但需通过后处理或用户责任管理潜在风险。
伦理与法律考虑
无审查 LLM 适合研究和创意，但可能生成有害或不适当内容。模型卡通常包含使用提示，要求用户对输出负责。在商业化或监管环境下，伦理争议可能增加。