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

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。?

數據：Nexo近兩日從Kraken提出1500萬枚MATIC，并將1000萬枚質押:4月8日消息，據推特用戶余燼監測，最近兩天，Nexo累計從Kraken提出了1500萬枚MATIC（約合1665萬美元），然后通過Nexo 4地址將1000萬枚MATIC（1110萬美元）存入了Polygon PoS質押合約進行質押。[2023/4/8 13:51:41]

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。

1月全網NFT交易額達9.46億美元，創下自2022年6月以來新高:2月5日消息，據DappRadar發布的報告顯示，2023年1月全網NFT交易額為9.46億美元，環比增長38.5%，并創下自2022年6月以來新高，較2022年10月6.62億美元的低點增長42.9%。2023年1月以太坊上NFT交易量為6.59億美元，占全網總交易量的69.66%，排名二三位的分別為Solana（8500萬美元）、Polygon（4600萬美元）。[2023/2/5 11:48:48]

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：

Prometheum將在SEC監管的平臺上提供數字證券交易:金色財經報道，加密企業Prometheum表示，將在SEC監管的平臺上提供數字資產證券交易、清算、結算和托管服務，作為其新的替代交易系統的一部分。新平臺支持的數字資產證券包括Flow、Filecoin、The Graph、Compound 和 Celo。

Prometheum 將為在啟動期間加入的機構客戶提供六個月的交易費用減免 50%。[2022/10/26 11:45:34]

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：CHIGPTLMSTICAutomated Income MachineGGPT價格PalmswapSTIC幣

萊特幣