读书人想要点数据，怎么能叫偷呢？要叫借, 也可以叫Self-Instruct

借东风的第二个章节

第一章传送门：不敢想象自动给训练数据打标签能有多爽 (qq.com)

      上一篇文章主要介绍了Auto Label，属于比较委婉的借，迂回的借，另外Auto Label，它借出来的数据，还是偏重于传统的NLP任务训练，什么分类啊，标准QA啊之类的。众所周知，现在言必称GenAI，如果不是做这个的，都不是很好意思和人打招呼，那GenAI的训练数据，我们能直接借出来吗？

       答案肯定是Yes，我们不但要"借"，而且要狠狠地"借"！

      今天介绍一个"借"数据的方法，当然不是唯一的，但是是我觉得比较简单，而且是经过实际验证过的方法，这个方法就是Self-Instruct

       论文地址：

       2212.10560.pdf (arxiv.org)

      如果读过相关论文的各位，想必了解到它就是Alpaca的获取数据方法，这里给没读过的朋友普及一下Alpaca是啥？

       Llama大家都知道，源自于Meta做的模型，现在已经成为开源世界的标配，在Llama出道的不久，Stanford基于 Meta 的 LLaMA 7B 模型微调出一个