设为书签 Ctrl+D将本页面保存为书签,全面了解最新资讯,方便快捷。 您也可下载桌面快捷方式。点击下载 | 新浪科技 | 新浪首页 | 新浪导航

GPT现状终于有人讲清楚了!OpenAI大牛最新演讲爆火,还得是马斯克钦点的天才

2023-05-29 14:10:55    创事记 微博 作者: 量子位   

  西风 发自 凹非寺

  量子位 | 公众号 QbitAI

  继Windows Copilot发布后,微软Build大会热度又被一场演讲引爆。

  前特斯拉AI总监Andrej Karpathy在演讲中认为思维树(tree of thoughts)与AlphaGo的蒙特卡洛树搜索(MCTS)有异曲同工之妙!

  网友高呼:这是关于如何使用大语言模型和GPT-4模型的最详尽有趣的指南!

  此外Karpathy透露,由于训练和数据的扩展,LLAMA 65B“明显比GPT-3 175B更强大”,并介绍了大模型匿名竞技场ChatBot Arena:

Claude得分介于ChatGPT 3.5和ChatGPT 4之间。

  网友表示,Karpathy的演讲一向很棒,而这次的内容也一如既往没有令大家失望。

  随着演讲而爆火的,还有推特网友根据演讲整理的一份笔记,足足有31条,目前转赞量已超过3000+:

  所以,这段备受关注的演讲,具体提到了哪些内容呢?

  如何训练GPT助手?

  Karpathy这次的演讲主要分为两个部分。

  第一部分,他讲了如何训练一个“GPT助手”。

  Karpathy主要讲述了AI助手的四个训练阶段:

  预训练(pre-training)、监督微调(supervised fine tuning)、奖励建模(reward modeling)和强化学习(reinforcement learning)。

  每一个阶段都需要一个数据集。

  在预训练阶段,需要动用大量的计算资源,收集大量的数据集。在大量无监督的数据集上训练出一个基础模型。

  Karpathy用了更多例子作补充:

  接下来进入微调阶段。

  使用较小的有监督数据集,通过监督学习对这个基础模型进行微调,就能创建一个能够回答问题的助手模型。

  他还展示了一些模型的进化过程,相信很多人之前已经看过上面这张“进化树”的图了。

  Karpathy认为目前最好的开源模型是Meta的LLaMA系列(因为OpenAI没有开源任何关于GPT-4的内容)。

  在这里需要明确指出的是,基础模型不是助手模型。

  虽然基础模型可以回答问题,但它所给出的回答并不可靠,可用于回答问题的是助手模型。在基础模型上进行训练的助手模型,通过监督微调,在生成回复和理解文本结构方面的表现将优于基础模型。

  在训练语言模型时,强化学习是另一个关键的过程。

  通过用人工标记的高质量的数据进行训练,可以使用奖励建模来创建一个损失函数,以改善其性能。然后,通过增加正向的标记,并降低负面标记的概率,来进行强化训练。

  而在具有创造性的任务中,利用人类的判断力对于改进AI模型至关重要,加入人类的反馈可以更有效地训练模型。

  经过人类反馈的强化学习后,就可以得到一个RLHF模型了。

  模型训练好了,接下来就是如何有效利用这些模型解决问题了。

  如何更好地使用模型?

  在第二部分,Karpathy主要讨论了提示策略、微调、快速发展的工具生态系统以及未来的扩展等问题。

  Karpathy又给出了具体示例来说明:

当我们在写文章时候,我们会进行很多的心理活动,需要考虑自己的表述是否正确。而对于GPT来说,这只是一个序列标记(a sequence of tokens)。

  而提示(prompt)可以弥补这种认知差异。

  Karpathy进一步解释了思维链提示的工作方式。

  对于推理问题,要想让自然语言处理中Transformer的表现更好,需要让它一步一步地处理信息,而不能直接抛给它一个非常复杂的问题。

如果你给它几个例子,它会模仿这个例子的模版,最终生成的结果会更好。

  模型只能按照它的序列来回答问题,如果它生成的内容是错误的,你可以进行提示,让它重新生成。

如果你不要求它检查,它自己是不会检查的。

  这就涉及到了System1和System2的问题。

  诺贝尔经济学奖得主丹尼尔卡尼曼在《思考快与慢》中提出,人的认知系统包含System1和System2两个子系统。System1主要靠直觉,而System2是逻辑分析系统。

  通俗来说,System1是一个快速自动生成的过程,而System2是经过深思熟虑的部分。

  这在最近一篇挺火的论文“Tree of thought”(思维树)中也有被提及。

  深思熟虑指的是,不是简单的给出问题的答案,而更像是与Python胶水代码一起使用的prompt,将许多prompt串联在一起。模型必须要维护多个提示,还必须要执行一些树搜索算法,来找出要扩展的提示。

  Karpathy认为这种思路与AlphaGo非常相似:

AlphaGo在下围棋时,需要考虑下一枚棋子下在哪里。最初它是靠模仿人类来学习的。

但除此之外,它还进行了蒙特卡洛树搜索,可以得到具有多种可能性的策略。它可以对多种可能的下法进行评估,仅保留那些较好的策略。我认为这在某种程度上相当于AlphaGo。

  对此,Karpathy还提到了AutoGPT:

我认为目前它的效果还不是很好,我不建议大家进行实际应用。我只是认为,随着时间的推移,我们或许可以从它的发展思路中汲取灵感。

  其次,还有一个小妙招是检索增强生成(retrieval agumented generation)和有效提示。

  窗口上下文的内容就是transformers在运行时的记忆(working memory),如果你可以将与任务相关的信息加入到上下文中,那么它的表现就会非常好,因为它可以立即访问这些信息。

  简而言之,就是可以为相关数据建立索引让模型可以高效访问。

  如果Transformers也有可参考的主要文件,它的表现会更好。

  最后,Karpathy简单讲了一下在大语言模型中的约束提示(Constraint prompting)和微调。

  可以通过约束提示和微调来改进大语言模型。约束提示在大语言模型的输出中强制执行模板,而微调则调整模型的权重以提高性能。

我建议在低风险的应用中使用大语言模型,始终将它们与人工监督相结合,将它们看作是灵感和建议的来源,考虑copilots而不是让它们完全自主代理。

  关于Andrej Karpathy

  Andrej Karpathy博士毕业后的第一份工作,是在OpenAI研究计算机视觉。

  后来OpenAI联合创始人之一的马斯克看上了Karpathy,把人挖到了特斯拉。但也因为这件事,马斯克和OpenAI彻底闹翻,最后还被踢出局。在特斯拉,Karpathy是Autopilot、FSD等项目的负责人。

  今年二月份,在离开特斯拉7个月后,Karpathy再次加入了OpenAI。

  最近他发推特表示,目前对开源大语言模型生态系统的发展饶有兴趣,有点像早期寒武纪爆发的迹象。

(声明:本文仅代表作者观点,不代表新浪网立场。)

分享到:
保存   |   打印   |   关闭