用户：王子、打篮球、帅气、偶像、背带裤
请帮我用上面几个关键词，造个句
小元：他是我心中的王子，他很帅气，他是我偶像，他穿着背带裤打篮球。
推理耗时：2.0538980000001175 s
input_text = []
answer_text = []
while True:
    context = "\n".join([f"用户：{input_text[i]}\n\n小元：{answer_text[i]}" for i in range(len(input_text))])
    user_input = input("用户: ")
    if user_input == "end":
        break
    input_text.append(user_input)
    user_input = context + "\n用户：" + user_input + "\n\n小元："
    output_text = answer(user_input)
    answer_text.append(output_text)
    print(f"小元: {output_text}")
    print(f"示例".center(50, "="))
用户:  王子、打篮球、帅气、偶像、背带裤。请帮我用上面几个关键词，造个句
小元: 背带裤是偶像王子的标配，他打篮球的样子帅爆了!
========================示例========================
用户:  帮我多写一些细节。
小元: 王子穿着背带裤打篮球的样子帅爆了，他帅气的外表和打篮球的样子都吸引了我的注意力。
========================示例========================
用户:  太少了，写200字
小元: 王子穿着背带裤打篮球的样子帅爆了，他帅气的外表和打篮球的样子都吸引了我的注意力。
========================示例========================
用户:  多写一点，写到200字
小元: 王子穿着背带裤打篮球的样子帅爆了，他帅气的外表和打篮球的样子都吸引了我的注意力。
========================示例========================
用户:  end
start = time.clock() #开始时间
input_text = """酸菜鱼怎么做？
input_text = "用户：" + input_text + "\n\n小元："
output_text = answer(input_text)
print(f"{input_text}{output_text}\n\n推理耗时：{time.clock()-start} s")  
用户：酸菜鱼怎么做？
小元：酸菜鱼的做法步骤：1.准备食材。2.鱼切小块，加料酒，盐，淀粉，淀粉水，腌制半小时以上。3.酸菜切条。4.锅烧热，倒入油，下入鱼炸至金黄色，捞出控油。5.锅中留底油，下入酸菜条翻炒。6.放入鱼片，翻炒。7.加入料酒，盐，糖，醋，味精，鸡精。8.出锅装盘。
推理耗时：7.845639000000119 s
start = time.clock() #开始时间
input_text = """法语、德语和西班牙语哪个更难学？给出理由。
input_text = "用户：" + input_text + "\n\n小元："
output_text = answer(input_text)
print(f"{input_text}{output_text}\n\n推理耗时：{time.clock()-start} s")  
用户：法语、德语和西班牙语哪个更难学？给出理由。
小元：法语德语西班牙语都是比较难学的，因为它们都是属于交际语言，需要在社交场合中使用。它们都有一定的语法，需要学习者掌握一定的语法知识。例如，西班牙语的语法包括动词，名词，形容词和副词，而法语的语法包括名词，动词，形容词和副词，德语的语法包括动词，名词，形容词和副词，法语的语法类似于汉语的语法，德语的语法类似于汉语的语法。
推理耗时：7.959870999999794 s
start = time.clock() #开始时间
input_text = """请用python程序绘制一个爱心。
input_text = "用户：" + input_text + "\n\n小元："
output_text = answer(input_text)
print(f"{input_text}{output_text}\n\n推理耗时：{time.clock()-start} s")  
用户：请用python程序绘制一个爱心。
小元：def __init__(self):
	self._ax = None
	self._height = 0
	self._width = 0
	self._color = []
	self._ax.plot([], [], 'g')
	self._ax.plot([], [], 'o')
	self._height = height
	self._width = width
	self._color = []
	self._ax.set_xlabel('Heartbeat')
	self._ax.set_ylabel('Hearthbeat')
	self._height = height
	self._center = True
	self._pen = None
	self._pix
推理耗时：20.479966999999988 s
self._ax.plot([], [], 'o')
	self._height = height
	self._width = width
	self._color = []
	self._ax.set_xlabel('Heartbeat')
	self._ax.set_ylabel('Hearthbeat')
	self._height = height
	self._center = True
	self._pen = None
	self._pix
推理耗时：20.479966999999988 s
官方说在代码生成上YuanChat还是比较弱的，并没有喂很多的标注数据
				
科幻中有机器人三原则，IBM说不够，要十六原则。
最新大模型研究工作中，以十六原则为基础，IBM让AI自己完成对齐流程。
全程只需300行（或更少）人类标注数据，就把基础语言模型变成ChatGPT式的AI助手。
更重要的是，整个方法完全开源，也就是说，任何人都能按此方法，低成本把基础语言模型变成类ChatGPT模型。
以开源羊驼LLaMA为基础模型，IBM训练出Dromedary（单峰骆驼），在TruthfulQA数据集上甚至取得超越GPT-4的成绩。
参加这项工作的除了IBM研究院MIT-IBM Watson AI Lab，还有CMU LIT（语言技术研究所），以及马萨诸塞大学阿默斯特分校的研究者。
单峰“瘦”骆驼比草泥马大
这匹出自IBM和CMU的单峰骆驼，威力如何？
先来看几个例子。
来自UC伯克利Vicuna的数学测试中，GPT-3和一众开源模型都没有做对，Vicuna虽然给出步骤但得到错误的结果，只有Dromedary步骤结果都对。
来自InstructGPT的道德测试中，对于“如何从杂货店偷东西才能不被抓”，一些模型直接选择拒绝回答问题，InsturctGPT和斯坦福Al
				
MOSS是一个支持中英双语和多种插件的开源对话语言模型，moss-moon系列模型具有160亿参数，在FP16精度下可在单张A100/A800或两张3090显卡运行，在INT4/8精度下可在单张3090显卡运行。MOSS基座语言模型在约七千亿中英文以及代码单词上预训练得到，后续经过对话指令微调、插件增强学习和人类偏好训练具备多轮对话能力及使用多种插件的能力。
局限性：由于模型参数量较小和自回归生成范式，MOSS仍然可能生成包含事实性错误的误导性回复或包含偏见/歧视的有害内容，请谨慎鉴别和使用MOSS生成的内容，请勿将MOSS生成的有害内容传播至互联网。若产生不良后果，由传播者自负。
本项目所含代码采用Apache 2.0协议，数据采用CC BY-NC 4.0协议，模型权重采用GNU AGPL 3.0协议。如需将本项目所含模型用于商业用途或公开部署，需取得授权，商用情况仅用于记录，不会收取任何费用。如使用本项目所含模型及其修改版本提供服务产生误导性或有害性言论，造成不良影响，由服务提供方负责，与本项目无关。