文章主题:个人ChatGPT体验报告, ChatGPT, 技术缺陷, Transformer Decoder

666AI工具大全,助力做AI时代先行者!

ChatGPT自从2022年底发布以来引起了很大反响,子弹已经飞了两个月了,今天重新整理一下ChatGPT以及个人的一些理解。

TL;DR: ChatGPT的内核是InstructGPT[1]。随着language model(LM)越做越大,InstructGPT的作者们发现这些LMs其实经常和用户的意图不完全一致/对齐,这引发作者们的思考:如何得到能与用户意图更一致的LM?于是InstructGPT横空出世,其目标是“Align language models to humans”,具体的对齐方法采用Reinforcement Learning from Human Feedback(RLHF)[2]。简单说就是在训练LM时要“human in the loop”,用人类的示例/评价/比较等反馈信号调整LM,让LM输出的结果往人类意图方向靠拢。

个人ChatGPT体验报告

ChatGPT在哪些地方帮到我了?

有些中文文档需要很官方的文书表达(比如基金申请书),通过巧妙的提问可以让ChatGPT输出很多思路甚至有些可以直接拿来用;帮助我快速了解一个大的领域,虽然看不太准,但是也提供了一点借鉴。

ChatGPT技术上还存在哪些缺陷?

ChatGPT经常一本正经地胡说八道;ChatGPT经常很啰嗦;ChatGPT给出的信息我经常需要用Google double check;ChatGPT每次输出的结果“不一致”(本质原因是因为它是概率模型,每次采样的结果都不一样)。

Background

我首先对ChatGPT做了简单的测试,直观感受一下。

ChatGPT可以和用户“chat”,能根据聊天历史调整输出。
ChatGPT可以写代码。
ChatGPT能写paper。
ChatGPT能做一些一般语言模型能做的任务,比如翻译。
ChatGPT functions/pros/cons一览。

InstructGPT

对比一下ChatGPT和InstructGPT,方法几乎一模一样。
InstructGPT其实就三步:用人写的样本(问答)finetune pretrained GPT3,得到supervised finetuning (SFT)model;用人类反馈(比较回答好坏)训练一个reward model(RM);借助训好的RM,用RL算法进一步提升SFT。

在本文中,我们将深入探讨 GPT 模型的核心组件及其工作原理。其中,Transformer Decoder 是 GPT 的关键部分,它采用了自回归的方式,并引入了因果掩码和概率模型,从而实现了高效且准确的文本生成。

在开始使用InstructGPT之前,我们需要进行一系列准备工作。首先,我们要收集人类标注的示例数据,以便于后续对模型进行监督式微调。其次,我们将利用这些收集到的数据,对预训练的GPT模型进行进一步的训练,以达到更好的性能表现。

第二步,训练reward model。

注意RM的输入和输出

最后一步,用RL提升SFT model。

Experiment

Discussion

在文章的结尾,我想说,DeepMind的研究成果总能让人眼前一亮,其工作方法的新颖性和独特性让人印象深刻。相比之下,OpenAI的工作则更注重实际应用价值,虽然有时候他们的方法可能显得过于直接和简单,但这并不妨碍他们对人工智能技术的发展做出重要贡献。总的来说,阅读这两个机构的论文,无论是对学术研究还是对实际应用,都是一种享受。

参考

^Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C.L., Mishkin, P., Zhang, C., Agarwal, S., Slama, K., Ray, A. and Schulman, J., 2022. Training language models to follow instructions with human feedback. arXiv preprint arXiv:2203.02155. https://cdn.openai.com/papers/Training_language_models_to_follow_instructions_with_human_feedback.pdf^Reinforcement learning from human feedback(RLHF) https://huggingface.co/blog/rlhf

AI时代,拥有个人微信机器人AI助手!AI时代不落人后!

免费ChatGPT问答,办公、写作、生活好得力助手!

搜索微信号aigc666aigc999或上边扫码,即可拥有个人AI助手!

Leave a Reply

Your email address will not be published. Required fields are marked *