以下给出了中文LLaMA和Alpaca模型的基本对比以及建议使用场景（包括但不限于）。
| 对比项 | 中文LLaMA | 中文Alpaca |
|---|---|---|
| 训练方式 | 传统CLM （在通用语料上训练） | 指令精调 （在指令数据上训练） |
| 输入模板 | 不需要 | 需要符合模板要求（llama.cpp/LlamaChat/inference_hf.py等已内嵌） |
| 适用场景 | 文本续写：给定上文，让模型继续写下去 | 1、指令理解（问答、写作、建议等） 2、多轮上下文理解（聊天等） |
| 不适用场景 | 指令理解 、多轮聊天等 | 文本无限制自由生成 |
| llama.cpp | 使用-p参数指定上文 |
使用-ins参数启动指令理解+聊天模式 |
| text-generation-webui | 不适合chat模式 | 使用--cpu可在无显卡形式下运行，若生成内容不满意，建议修改prompt |
| LlamaChat | 加载模型时选择"LLaMA" | 加载模型时选择"Alpaca" |
| inference_hf.py | 无需添加额外启动参数 | 启动时添加参数 --with_prompt |
| 已知问题 | 如果不控制终止，则会一直写下去，直到达到输出长度上限。 | 目前版本模型生成的文本长度相对短一些，比较惜字如金。 |
如果出现了模型回答质量低、胡言乱语、不理解问题等情况，请检查是否针对场景使用了正确的模型和正确的启动参数