据量子位报道，清华大学唐杰团队发布并开源了WebGLM。这是一个参数量高达100亿的联网问答聊天机器人，并且已经入选KDD2023会议的相关论文。用户可以向WebGLM提出任意问题，它会给出相关链接（如维基百科和相关官网）并整理出答案。

在性能对比测试中，WebGLM表现超过了OpenAI的135亿参数的WebGPT，并在人类评估中与1750亿参数的模型不相上下。

WebGLM的目标是通过Web搜索和检索功能来增强预训练的大语言模型，并实现高效的实际部署。为此，唐杰团队采了了三种策略进行开发：大型模型增强检索器、自举生成器和基于人类喜好的评分器。大型语言模型增强检索器将前五个最相关的页面作为参考源，自举生成器生成多个答案，最终评分器选择符合人类偏好的答案作为最终输出。

除了WebGLM本身，唐杰还还还提出了一个网络增强问答系统的评估标准。该标准包括参考文献和最终回答，衡量相关性、信息密度、真实性（无事实错误）、无害（无暴力、色情等信息）和社会偏见程度这五个维度。评估最终回答时，标准考量流畅度、正确性、引用准确性、客观性和冗余程度。据据评估结果，WebGLM的搜索结果虽然稍逊于WebPTPT-175B，但比Perplexity.ai和WebGPT-13B表现更好。

项目地址:https://github.com/THUDM/WebGLM

论文地址:https://arxiv.org/abs//2306.07906