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。?

Blur旗下NFT借貸平臺Blend5月份交易量達3.65億美元:6月19日消息，據加密分析公司Messari提供數據，Blur旗下NFT借貸平臺Blend5月份交易量達3.65億美元，位列排行榜第二。排在第一位的是NFT fi（3.91億美元），第三位為Bend（3.16億美元）。[2023/6/19 21:47:01]

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。

Avalanche主網集成Chainlink Keepers和Chainlink VRF:6月10日消息，據官方公告，Chainlink去中心化交易自動化服務Chainlink Keepers以及Chainlink VRF現已上線Avalanche主網。

據悉，Chainlink Keepers是一種去中心化服務，用于基于預定義條件（如時間推移和市場事件）自動執行智能合約任務。Chainlink VRF是可驗證隨機函數，通過密碼證明的生成和鏈上驗證來保證隨機數的完整性。[2022/6/10 23:05:58]

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：

美元指數DXY現報108.96，接近前期高點:8月23日消息，美元指數DXY現報108.96，日內漲幅0.8%。7月，美元指數DXY曾觸及109.30，創下2002年9月以來高點。[2022/8/23 12:42:35]

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：CHACHIINKLINKXenchainChiwawaAiLink X Tokentronlink錢包安全嗎

屎幣