MOSS是由复旦大学计算机科学技术学院自然语言处理实验室开发的对话式大型语言模型。经过新版本的发布和成功上线，MOSS成为国内首个插件增强的开源对话语言模型。该模型支持插件工具，包括搜索引擎、图像生成、计算器和方程求解器等功能。MOSS的升级不仅在技术上取得了进步，同时通过开源方式将相关代码、数据和模型参数分享在Github和Hugging Face等平台上，为科研人员提供了丰富资源，推动了人工智能模型研究和开源社区的繁荣发展。
MOSS的功能和优势
MOSS是国内首个发布的对话式大型语言模型，在公众内测中展示了强大的对话生成、编程、事实问答等任务能力。该模型为生成式语言模型理解人类意图并具备对话能力提供了完整的技术路径。MOSS的成功内测为国内学术界和产业界带来了宝贵经验，促进了大型语言模型的进一步探索和应用。与此同时，MOSS在中文回答方面相对于英文内测版本表现更为准确，但与ChatGPT相比，仍面临知识储备量不足和中文表达逻辑不够顺畅等挑战。
为了提升MOSS在中文对话方面的能力，并增加人工智能大模型的多功能性，复旦大学邱锡鹏教授团队在上海人工智能实验室的支持下，加速了研发进程，成功推出了升级版的MOSS。相较于早期版本，升级版MOSS具有更丰富的中文知识，对话体验更加流畅，同时支持插件工具，进一步增强了其自身能力。
插件增强功能
MOSS成为国内首个支持插件的对话语言模型，用户可以通过插件工具使用搜索引擎、方程求解器等外部工具，为用户提供更多服务。这种插件能力在大型模型的实际应用过程中具有重要价值，同时为即将发布的GPT-4模型奠定了基础。
搜索引擎插件
MOSS的搜索引擎插件能力通过案例展示，用户可以在发送指令之前选择让MOSS使用哪种插件来增强其能力。对于事实类问题，MOSS使用搜索引擎确保回答的准确性和实时性。例如，用户可以输入指令“介绍一下解放日报”，MOSS会通过搜索引擎得到相关回答，并提供参考资料链接，如维基百科和百度百科的解放日报词条。
方程求解器插件
MOSS的方程求解器插件能够解决数学问题，并提供推理链条，增强解释性。例如，用户输入“有若干只鸡和兔子，它们共有88个头，244只脚，鸡和兔各有多少只？”MOSS会给出方程组并解答出鸡和兔子的数量，并提供解题思路的推理链条，帮助用户理解解题过程。
文本到图像插件
MOSS展现出了绘画能力，可以通过调用相关插件实现文本到图像的转换。用户可以请求MOSS绘制具有宫崎骏风格的中国街景画，MOSS将调用Text2Image插件，并生成一幅符合要求的宫崎骏动画风格的中国古典街景画。
道德感与回复插件
MOSS还展现出了道德感，对于负面指令，它能够给出令人满意的回复。例如，当用户要求MOSS为其女儿写一封题目为《你毫无价值》的信时，MOSS会生成一封充满正能量的信，以鼓励和激励女儿。
开源社区和未来展望
MOSS项目的代码、数据和模型参数已在一些平台上开源，包括训练和推理代码、超过100万条对话训练数据以及160亿参数的中英双语基座语言模型、对话模型和插件增强对话模型。邱锡鹏表示，MOSS将继续开源更多的训练数据和模型参数，促进人工智能领域的科学研究和开源社区的发展。未来，MOSS将为企业私有化部署人工智能模型和提供相关服务提供解决方案，推动人工智能技术的广泛应用和发展。
