下面有跟帖的開發者也指出：如果他們確實採用了Meta LlaMA 結構、其代碼庫和所有相關資源，就需要遵守LLaMA規定的許可協議。要求以 LlaMA 形式正式發布 Yi 模型是有問題的，因為它破壞了 Yi 許可條款的可執行性。

隨後又有熱心網友挖出了前阿里VP賈揚清在朋友圈發的一張圖，直言某國產大模型實際上是抄襲的LlaMA，為表示不一樣就更換了幾個變量名。甚至還犀利諷刺道：如果是開源的模型架構，就不要改名字了，「免得我們還做一堆工作就為了適配你們改名字」。雖然賈揚清沒有指名道姓，但有留意此事的人不免「對號入座」。

02

首次針對性回應：命名問題是團隊疏忽

對於此番爭議，零一萬物隨後給出了自身的回應。

就在昨天，其團隊開源總監 Richard Lin 在Hugging Face社區原貼之下指出「命名問題是團隊的疏忽，在大量訓練實驗中，我們對代碼進行了多次重命名以滿足實驗要求。但在發布正式版本之前，我們沒能將它們切換回來。對此我們深感抱歉，由此造成的混亂我們也深表歉意」。

Richard Lin向原貼主承認修改張量名稱的做法不妥，「您對張量名稱的看法是正確的，我們將按照您的建議將其從 Yi 重命名為 Llama。我們也非常重視以準確、透明的方式完成工作。」

與此同時，他也給出了解決方案：要麼邀請這名發現問題的開發者提交一條包含這些變更的拉取請求，要麼由他們團隊處理更新按要求操作並在同一個 repo 中發布新版本，從而完成對 Yi 的張量名稱進行重命名以符合 Llama 架構。

最後Richard Lin重申，他們會努力改進工作流程，確保不會再次發生類似的失誤，「接下來我們將再次檢查所有代碼，確保其餘部分準確無誤」。

03

再次公開回應：

大模型核心突破點不僅在於架構，而是在於訓練得到的參數

有人說，LLaMa本就是開源的模型，使用LLaMa的架構是正常的大模型訓練步驟。而且國內已發布的開源模型也絕大多數採用漸成行業標準的 GPT/LLaMA 的架構。要訓練出好的模型，除了架構之外，更需要好的訓練數據和對訓練方法和具體參數的精準把控。

正如零一萬物在今天下午發布的公告所表達的：大模型持續發展與尋求突破口的核心點不僅在於架構，而是在於訓練得到的參數。

全文核心觀點可總結如下：

1、國內開源模型絕大多數採用 GPT/LLaMA 的架構，大模型持續發展與尋求突破口的核心點不僅在於架構，而是在於訓練得到的參數。

2、零一萬物團隊完成了很多科學訓模的系統性工作，比起基本模型結構能起到巨大的作用跟價值。

3、零一萬物團隊投注大部分精力調整訓練方法、數據配比、數據工程、細節參數、baby sitting（訓練過程監測）技巧等。這一系列超越模型架構之外，研究與工程並進且具有前沿突破性的研發任務，才是真正屬於模型訓練內核最為關鍵、能夠形成大模型技術護城河 know-how積累。

4、對於沿用LLaMA部分推理代碼經實驗更名後的疏忽，原始出發點是為了充分測試模型，並非刻意隱瞞來源，將儘速完成各開源社區的版本更新。

04

本土大模型的迷津難渡：

套殼到底如何界定

其實這不是本土大模型首次被質疑「套殼」。

不久前，外界對百川智能開源模型Baichuan-7B同樣提出了是否套殼LLaMa的質疑。彼時，王小川表示，搜索公司乾了20年，團隊對語言數據有深入的理解，知道取得高質量語料的渠道，模型疊代速度很快，「國內開源模型的能力目前已經可以達到LLaMa」。

那麼到底什麼是套殼，什麼又是合理利用既有開源成果？眾所周知，固然選擇同一種架構，用不同數據集訓練出來的模型也會有所差別。不過，Yi此次引發的爭議的焦點在於其對於開源模型架構的「魔改」命名。所以回歸事件本身，實質還是一個「用了你的成果，卻換了你的牌子」的故事。

當Yi-34B剛發布時，李開復在接受外媒TechCrunch採訪時曾說，引入開源LLM作為零一萬物首個產品的決定是「回饋」社會的一種方式。對於那些覺得LlaMA對他們來說是「天賜之物」的人來說，「我們提供了一個令人信服的選擇」。如今看來，到底能不能讓人信服，還是要留待時間的檢驗了。