整理 | 华卫

“这是我写过的最精神错乱的作品之一。”刚刚，特斯拉前 AI 总监、OpenAI 创始成员 Andrej Karpathy（安德烈·卡帕西）发布了自己最新的开源项目，一个名为 nanochat 的存储库。截止当前，该项目已在 GitHub 破了 7.9kStar！

GitHub 仓库：

https://github.com/karpathy/nanochat

据介绍，和卡帕西之前那个只包含预训练功能的类似仓库 nanoGPT 不同，nanochat 是一个极简的、从零构建的全流程训练 / 推理工具链，可用于搭建简易版 ChatGPT 复现模型，且整个代码库仅一个文件，依赖项极少。

花半天用 100 美元训练的模型，打败了 GPT-2

“100 美元能买到的最好的 ChatGPT”，卡帕西在公告中这样形容 nanochat。通过 nanochat，你只需启动一台云 GPU 服务器，运行一个脚本，最快 4 小时后，就能在类 ChatGPT 的网页界面上与你自己训练的大语言模型（LLM）对话。

具体来说，该项目可实现以下功能：

• 基于全新 Rust 语言实现版本训练分词器（tokenizer）

• 在 FineWeb 数据集上对 Transformer 架构大语言模型进行预训练，并通过多项指标评估 CORE 得分

• 在 SmolTalk 用户 - 助手对话数据集、多项选择题数据集、工具使用数据集上进行中期训练（Midtrain）

• 对聊天模型进行指令微调（SFT），并在世界知识多项选择题（ARC-E/C、MMLU）、数学题（GSM8K）、代码任务（HumanEval）上评估模型性能

• 可选通过 “GRPO” 算法在 GSM8K 数据集上对模型进行强化学习（RL）训练

• 在带有 KV 缓存的推理引擎中实现高效推理，支持简单的预填充 / 解码流程、工具使用（轻量级沙箱中的 Python 解释器），可通过命令行界面（CLI）或类 ChatGPT 网页界面（WebUI）与模型交互

• 自动生成一份 Markdown 格式的 “报告卡”，对整个项目流程进行总结，并将各项指标以 “游戏化” 方式呈现

据卡帕西介绍，即便成本低至约 100 美元（在 8 卡 H100 节点上训练约 4 小时），也能用 nanochat 训练出一个可对话的简易版 ChatGPT 复现模型，它能写故事、写诗，还能回答简单问题。训练约 12 小时后，模型性能便可超过 GPT-2 的 CORE 指标。

在 Github 上，卡帕西讲解了用 100 美元“极速训练”出最优 ChatGPT 模型的详细过程。

详细技术步骤：

https://github.com/karpathy/nanochat/discussions/1

若进一步将成本提升至约 1000 美元（训练约 41.6 小时），模型的连贯性会显著提升，能够解决简单的数学题、代码任务，还能完成多项选择题测试。例如，一个深度为 30 的模型训练 24 小时后（其计算量 FLOPs 与 GPT-3 Small（12.5 亿参数）相当，仅为 GPT-3 的 1/1000），在 MMLU 数据集上可取得 40 多分，在 ARC-Easy 数据集上可取得 70 多分，在 GSM8K 数据集上可取得 20 多分。

卡帕西的目标是将这套完整的 “强基准” 工具链整合到一个逻辑连贯、极简、易读、可修改性强、极适合分支开发（forkable）的代码仓库中。“nanochat 将成为 LLM101n 课程（目前仍在开发中）的核心项目。我认为它还有潜力发展成一个研究工具框架或基准测试工具，就像之前的 nanoGPT 一样。”

据其透露，目前这个项目绝非最终版本，既未完成全面调优，也未进行性能优化，但它的整体框架已足够完善，可以发布到 GitHub 上，后续所有模块都能在社区中进一步改进。并且，卡帕西称，实际上 nanochat 还有不少容易实现的优化点。

纯手写 8000 行代码，“Agent 帮不上忙”

整个项目总共只有约 8000 行代码，但卡帕西强调“代码结构相当清晰”。并且，这个代码仓库基本上完全是卡帕西手写的 ， 也就用了个 Tab 键自动补全功能。

“我之前试过几次用 Claude 或者 Codex 的 Agent 来辅助，但效果都特别差，到头来反而帮不上忙；可能是因为这个仓库的代码风格和功能，跟这些工具训练数据里的常规代码偏差太大了吧。”卡帕西表示。

谈及 nanochat 的模型架构，卡帕西介绍，整体类似 Llama 模型，结构上更简洁一些，同时借鉴了 modded-nanoGPT（改进版 nanoGPT）的部分设计思路。

他尝试为该规模的模型确定一个可靠的基准架构，具体如下：

• 稠密 Transformer（无稀疏结构）

• 旋转位置编码（Rotary Embeddings），不使用其他位置编码

• QK 归一化（QK Norm，对查询向量 Q 和键向量 K 进行归一化）

• 嵌入层（embedding）与解嵌入层（unembedding）权重不共享

• 对词元嵌入（token embedding）结果进行归一化

• 多层感知机（MLP）中使用 relu 平方（relu²）激活函数

• 根均方归一化（RMSNorm）中不包含可学习参数

• 线性层（linear layers）中不使用偏置项（biases）

• 多查询注意力（Multi-Query Attention, MQA）

• 对数概率软截断（logit softcap，限制 logit 数值范围以稳定训练）

nanochat 的优化器采用 Muon+AdamW 组合，该设计很大程度上参考了 modded-nanoGPT。据悉，目前卡帕西有一个待办项：尝试通过优化 Adam 的学习率（例如为不同模块设置专属学习率），来移除对 Muon 的依赖，但目前他还没有投入足够精力去做这件事。

网友：喜提机器学习工程师头衔

除了 Github，这次发布的 nanochat 在社交平台的热度也非常高。

“一直喜欢 Nano 系列项目！这套极简的端到端训练 / 推理工具链，一定会给众多机器学习学习者和科研人员带来深远影响。”一位网友说道。

也有网友表示，“对我个人而言，这个代码仓库是一份超棒的未来学习资料 —— 不管是理解基于 Rust 的底层深度学习实现，还是（更基础的）Python 深度学习开发，都很有帮助。”同时，他指出，“要是现在每个人都能借助这个仓库，用最少的精力训练出自己的大语言模型（LLM），那 Anthropic、OpenAI 这类公司的技术优势不就被削弱了吗？毕竟市面上有很多优秀的工程师，只要有足够的资源，他们完全有可能训练出更强大的大语言模型。”

还有人指出，“我认为这个代码仓库最大的受众是科研人员。很多人可能都有改进大语言模型（LLM）的想法，但要把想法落地成完整的实现，不仅需要投入大量精力，最终效果还充满不确定性。而现在，我们有了这样一套现成的工具流程，大家可以直接用它来做实验。以前只是‘如果能这样做会怎么样？’ 的空想，现在变成了 ‘我下周末就能试着把这个想法实现出来’ 的切实行动。”

甚至有网友开玩笑道，“跑完这个之后，我肯定要在简历上加上‘机器学习工程师’这个头衔。”

参考链接：

https://x.com/karpathy/status/1977755427569111362

https://github.com/karpathy/nanochat

声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载。