CHI:一文了解 ChatGPT 等 LLMs 得到明顯改進的 3 個變化

原文作者：TanyaMalhotra

來源：Marktechpost

近年來，大型語言模型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。

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。?

ConsenSys：MetaMask不對加密貨幣交易征稅:5月22日消息，ConsenSys 發推稱，我們知道推文中流傳著關于 ConsenSys 服務條款的不準確信息。需要澄清的是：MetaMask 不對加密貨幣交易征稅，我們也沒有為此對我們的條款進行任何更改。在 ConsenSys，我們的目標是通過我們的產品套件使 Web3 普遍易于使用、訪問和構建。值得注意的是，所提及的條款并不是新的。它們適用于我們需要繳納銷售稅的產品。我們的服務條款中的稅收部分屬于費用和支付部分，它只涉及到 ConsenSys 提供的產品和付費計劃。

例如，Infura 的信用卡開發者套餐包含銷售稅。法律術語可能很復雜，但關鍵是要強調本節不適用于 MetaMask 或任何其他不涉及銷售稅的產品。在與我們的用戶分享信息時，我們相信透明度和準確性。我們對打擊有關我們產品和服務的錯誤信息的承諾仍然堅定不移。[2023/5/22 15:17:45]

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。

知情人士：阿里達摩院正在研發類ChatGPT的對話機器人:金色財經報道，據阿里巴巴一名資深技術專家爆料，阿里達摩院正在研發類ChatGPT的對話機器人，目前已開放給公司內員工測試。從曝光截圖來看，阿里巴巴可能將AI大模型技術與釘釘生產力工具深度結合。（21財經）[2023/2/8 11:55:21]

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：

1.實踐證明，模型的擴展性對提高其性能很有幫助。以Pathways語言模型為例，該模型通過擴展小樣本學習大大影響了其性能，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。

Delio 推出韓國首家“加密銀行”:金色財經報道，韓國Delio推出了該國第一家加密貨幣銀行，提供貨幣市場存款賬戶（MMDA），可以隨時進行加密貨幣存款和取款。Delio 成立于 2018 年，已經提供了一系列與加密相關的服務，但表示它現在擁有虛擬資產服務提供商 (VASP) 證書，使其能夠進入存款、貸款和資產交易等領域。MMDA 賬戶可以隨時存取加密資產，無論存儲比特幣、以太坊和瑞波幣時的表現如何，都可以提供每日復合收益。Delio 還在韓國加密產業的中心首爾江南區開設了一家分店，提供“經濟沙龍”和“加密學院”等服務。（finextra）[2022/7/8 1:59:29]

通過使用Pathways語言模型在6144TPUv4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-TuringNLG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。

結論

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通過使用稀疏激活的混合專家架構，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。??

Tags：CHIGPTLMSCONCHINU價格gpt幣團隊DLMSXCON幣

抹茶交易所