GPT:一文了解 ChatGPT 等 LLMs 得到明顯改進的 3 個變化

原文作者：Tanya Malhotra

來源：Marktechpost

近年來，大型語言模型（Large Language Models，LLMs）在全世界受到了廣泛贊賞，并在自然語言處理領域備受歡迎。這使我們能夠使用比以往任何時候都更好、更清晰的語言理解來描述智能系統（Intelligent Systems）。

諸如 GPT-3、T5、PaLM 等 LLMs 的性能有了顯著提高，并且這些模型將繼續存在，因為它們可以完成從通過學習閱讀來模仿人類，到生成文本和總結長段落內容的所有工作。而根據一些深入的研究，如果 LLM 的規模很大，那么它的表現就會很好。通過在大量數據上訓練這些模型，它們可以理解人類語言的語法、語義和語用學。 

Revolut計劃擴招20%員工，包括西班牙等市場的加密合規和調查人員:8月10日消息，數字銀行Revolut計劃在年底前擴招20%的員工，計劃在英國、歐洲和印度招募1000多名員工，其中大約40%的人員將被添加到英國部門，該公司正在招聘西班牙、印度和波蘭等全球市場的加密合規和調查人員。[2023/8/10 16:18:36]

由 OpenAI 開發的流行的大型語言模型 ChatGPT 之所以發展得如此之快，正是因為采用了人類反饋強化學習（RLHF）等先進技術。通過 RLHF，機器學習算法結合并使用人工輸入提高了模型的性能。它針對預訓練的 LLM 進行了微調，用于開發聊天機器人、虛擬助手等任務。

發卡平臺Marqeta與數字錢包Stables合作以支持預付卡:金色財經報道，全球現代發卡平臺Marqeta 宣布與數字錢包Stables建立新的合作伙伴關系，為其新的萬事達卡預付卡提供支持。Stables 總部位于澳大利亞悉尼，允許用戶在一個余額上消費、發送和賺取穩定幣。憑借 Marqeta 的動態支出控制和即時融資功能，Stables 的客戶將能夠將穩定幣轉換為法定貨幣，并在全球范圍內在線和店內接受萬事達卡的任何地方消費。[2023/3/22 13:18:25]

此外，ChatGPT 等 LLMs 所基于的預訓練基礎模型也得到了明顯的改進。這主要是由于三個方面的變化：

數字時尚平臺DressX完成新一輪融資，華納音樂集團 (WMG)參投:12月15日消息，數字時尚平臺 DressX 已完成新一輪融資，華納音樂集團 (WMG) 參投，具體投資金額尚未披露。華納音樂集團將為歌迷和粉絲推出元宇宙虛擬商品verch。DressX 此前已完成 330 萬美元融資，該平臺在 Meta Avatar Store 推出的虛擬服裝可穿在 Instagram 和 Facebook 的頭像上，除了 Meta 之外，該公司還與 Roblox、Zepeto、Ready Player Me、Decentraland、The Sandbox 和 Spatial 等虛擬頭像平臺和元宇宙平臺建立了合作伙伴關系。[2022/12/15 21:47:20]

1.實踐證明，模型的擴展性（Scaling）對提高其性能很有幫助。以 Pathways 語言模型（Pathways Language Model，PaLM）為例，該模型通過擴展小樣本學習（few-shot learning）大大影響了其性能，小樣本學習可以減少根據具體應用調整模型所需的特定任務訓練實例的數量。

比特幣閃電網絡容量為3,808.73BTC:金色財經報道，1ML網站數據顯示，比特幣閃電網絡（LightningNetwork）的節點數量為17,437個，同比減少13.49%；通道數量為84,325個，同比減少2.1%；網絡容量為3,808.73BTC，同比增長5%。[2022/5/16 3:18:05]

通過使用 Pathways 語言模型在 6144 TPU v4 芯片上擴展和訓練 5400 億個參數，PaLM 展示了重復擴展的好處，其表現超過了各種傳統模型，并顯示出很大的進步。因此，深度和寬度的擴展都是提高基礎模型性能的一個重要因素。

2.另一個變化是在預訓練時增加標記數量的過程。像 Chinchilla 這樣的模型（開源語言模型）已經證明，通過增加預訓練數據，大型語言模型的表現會更好。

Chinchilla 是一個計算最優模型。在相同的計算預算下，在 70B 參數和比 Gopher 模型多四倍的數據上進行訓練，Chinchilla 的表現一致優于 Gopher，它甚至比 GPT-3、Jurassic-1 和 Megatron-Turing NLG 等 LLMs 效果更好。這清楚地描述了對于每一個計算最優的訓練，標記的數量應該相應地縮放——即模型大小的兩倍，因此訓練標記的數量應該是兩倍。 

3.第三個變化是使用干凈和多樣化的預訓練數據。Galactica 的性能證明了這一點，它是一種存儲、混合和推理科學知識的大型語言模型。經過幾篇科學論文文本的訓練，Galactica 的表現優于 GPT-3、Chinchilla 等模型。另一個大型語言模型 BioMedLM 是一種針對生物醫學文本的特定領域 LLM，在針對特定領域數據進行訓練時，它表現出了巨大的性能提升。它清楚地表明，在特定領域的數據上進行的預訓練勝過在通用數據上的訓練。

LLMs 的成功無疑歸功于多種因素的混合，包括 RLHF 的使用和預訓練基礎模型的發展。這三個變化極大地影響了 LLMs 的性能。此外，GLaM（通用語言模型）通過使用稀疏激活的混合專家架構（Mixture-of-Experts architecture），以更少的訓練成本擴展模型的容量，從而顯著提高了性能。因此，這些變化為更高級的語言模型開辟了道路，而這些模型將繼續讓我們的生活變得輕松。  

DeFi之道

個人專欄

閱讀更多

金色財經 善歐巴

金色早8點

Odaily星球日報

歐科云鏈

Arcane Labs

深潮TechFlow

MarsBit

BTCStudy

澎湃新聞

Tags：CHILMSGPTETACHIPlms幣發行量gpt幣哪里可以買CCO Metaverse

以太坊價格今日行情