一文了解 ChatGPT 等 LLMs 得到明顯改進的 3 個變化_CHA:CHI

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。?

過去四周以Abeychain為基礎的代幣鏈上活動增長達300%:據官方消息，由于技術升級、市場需求，以及在不同加密貨幣社區對于Abeychain日漸增長的積極情緒推動，以Abeychain為基礎的代幣，如ABEY、NOS和XT等在過去四周的鏈上活動的增長達到了300%以上。[2023/7/27 16:02:43]

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。

歐洲議會投票贊成利用區塊鏈技術實現稅收現代化:金色財經報道，歐洲議會投票贊成一項決議，以利用區塊鏈技術使歐盟的稅收程序現代化，同時決議呼吁精簡對加密資產的征稅規則。該決議試圖確定什么是應稅事件，從加密貨幣轉換為法定貨幣被視為是最可行的選擇。歐盟委員會尚未明確界定這一事件和其他可能的應稅事件。該政策還要求對小型交易進行“簡化的稅務處理”。

根據歐洲議會的公告，區塊鏈技術也被作為一種稅收工具來推進，確定了該技術的潛力，即“稅收自動化，限制腐敗，更好地識別有形和無形資產的所有權，從而更好地對流動納稅人征稅”。（The Block）[2022/10/5 18:39:33]

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：

Uniswap基金會第一輪贈款總額為180萬美元:金色財經報道，Uniswap 基金會宣布了第一波贈款。根據基金會的公告，這筆贈款總額為180萬美元，共有 14 名受助者。這是Uniswap 基金會的第一輪贈款，距離Uniswap 社區投票成立不到一個月。

這些贈款將頒發給致力于三個主要領域的項目和團隊：協議發展、社區發展和治理管理。[2022/9/22 7:14:10]

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。

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：CHILMSCHAGPTHACHICrypto Realms WarCHAOS價格MGPT價格

幣安app官方下載最新版