大家好，又见面了，我是 GitHub 精选君！

背景介绍

在当今以信息为主导的社会，人们从未像现在这样对语言对话技术有着如此高的期待。无论是用于家居语音助手，还是在线客户服务，甚至是用于复杂任务的机器人对话系统，高效准确的语言模型处理和理解能力都是至关重要的。然而，现有的对话语言模型往往不具备足够的效率和精度，且部署门槛较高，难以适应各类复杂场景。这使得我们对更加强大，完整并易于使用的对话语言模型有着迫切的需求。

以下是一个使用示例：

项目介绍

ChatGLM3 是智谱 AI 和清华大学 KEG 实验室联合发布的新一代对话预训练模型。它引入了更强大的功能并将其应用于 ChatGLM3-6B，这是 ChatGLM3 系列中的开源模型。

首先，ChatGLM3-6B 的基础模型在训练数据，训练步数和训练策略等方面都作了全面优化，从而在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上，能在语义、数学、推理、代码、知识等不同角度的数据集上展现出最强的性能。

其次，ChatGLM3-6B 原生支持工具调用、代码执行和 Agent 任务等复杂场景，旨在帮助用户更轻松地处理各种问题。

除此之外，ChatGLM3-6B 还开源了全面的模型列表，包括基础模型 ChatGLM3-6B-Base、长文本对话模型 ChatGLM3-6B-32K，以推动大模型技术的发展。

命令行的使用示例：

工具调用的示例：

生成代码与执行的示例：

如何使用

首先，你需要下载此仓库并安装相关的依赖，包括 transformers 和 torch 库，具体操作如下：

git clone https://github.com/THUDM/ChatGLM3
cd ChatGLM3
pip install -r requirements.txt

然后，你就可以调用 ChatGLM 模型来生成对话了。例如:

from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True, device='cuda')
model = model.eval()
response, history = model.chat(tokenizer, "你好", history=[])
print(response)

最后，模型会返回生成回答字符串。

项目推荐

ChatGLM3 在众多知名论文和大赛中都已经展现出其优异的性能，并且目前在 chatglm.cn 网站上体验 ChatGLM 模型的用户已经超过数千人，应用于范围涉及日常生活、科技研究、教育辅导等众多领域。

以下是该项目 Star 趋势图（代表项目的活跃程度）：

更多项目详情请查看如下链接。

开源项目地址：https://github.com/THUDM/ChatGLM3

开源项目作者：THUDM

以下是参与项目建设的所有成员：

关注我们，一起探索有意思的开源项目。