课代表：ChatGPT及大模型专题研讨会

周末应领导的要求听了一下午的直播（什么时候能不再做领导对啥感兴趣你就要每天围着什么转的牛马呢？），一打开还看到了自己本科的老师（死去的记忆突然攻击我）。既然做都做了，还是有些结果比较好，简单分享一下我的笔记和一些思考

以ChatGPT为代表的对话式大型语言模型

• 模型角度：具备涌现能力的模型（目前看来为自回归的、参数规模在百亿以上的，就是10+B）

• 涌现能力：小实体不具备，但是小实体聚在一起的规模达到一个质变点的时候忽然出现的能力。参数规模小的时候没有，在参数规模突破百亿时，忽然出现了一些能力。目前比较特色的有：

  • 情景学习能力（in-context learning）

  • 思维链能力（chain-of-thought）能够进行逐步推理，分解复杂问题

  • 执行指令的能力（Instruction learning）

    我们后面会逐一详谈

• 能够以对话的形式和人类交互

• 能够和人类的意图对齐：helpful, honest, harmless

• ChatGPT

  • 2017年Google提出Transformer，openai据此提出生成式解码器GPT
  • +2021年Google提出的指令学习模型FLAN，据此融入指令学习技术
  • +2017年OpenAI自己提出的优化算法PPO，据此融入PPO技术
  • +2021年OpenAI自己提出的基于人类反馈的自动摘要方法，据此融入基于人类反馈的学习训练

有趣的三个能力

• In-context learning

  学习上下文的能力，比如在输入的自然语言中给出一些示例，以“问题1-答案1，问题2-答案2，目标问题”的形式输入模型，得到的答案效果明显提升（few-shot），表现为一种被示例引导的语言生成能力。

• chain of thought：

  可以视为基于In-context learning的一种能力——输入的示例不再是直接给出答案，而是“问题1-步骤1-步骤2-步骤3-答案1，问题2-步骤1-步骤2-步骤3-答案2，目标问题-”的形式， 此时模型输出的内容也会呈现明显的步骤，仿佛具备了思考的过程

  • base GPT-3并没有这个能力，怀疑是后来进行的代码数据的预训练带来的

  • program-aided reasoning：辅助解决神经网络算术运算能力不足的问题

    在chain-of-thought基础上，再附上代码程序语句，比如计算的公式。然后模型在生成的时候，就会也生成代码辅助计算，从某种程度上实现把计算能力分离出神经网络的效果，提升算术运算的理解效果

    • 因此，可以用同样的方法在推理场景中，把逻辑表达式等分离出来，提升推理效果

• learning from natural instructions

  • 把不同的NLP任务都指令化，即在训练预料中增加描述指令的语句，发现在40多个任务上训练，就能在上百种任务的指令上泛化

通用的AI能力

Chatgpt表现出了强大的通用能力，似乎可以应对所有和语言有关的问题，或者凡是可以转换为语言形式的任务。这与其训练过程有关，通常通过大规模的语料进行预训练，从而获得语言的通用能力，然后再为了完成下游的具体任务，比如文本分类、序列标注，再进行第二个环节的训练。目前有如下几个范式：

1. 预训练 + 全参数微调

   模型较小时用的多，把预训练得到的通用模型，变成具体任务的专家

   存在的问题：

   • 资源占用夸张：每个任务都有一份参数值不同但规模相同的大模型
   • 过拟合：下游的具体任务通常数据稀缺，此时过大的参数规模就会学太猛，把噪声一起学进去，导致过拟合
   • 通用能力降低

2. 预训练 + 提示学习进行inference

   • 预训练得到通用大模型后，不改变其参数
   • 将下游的任务形式进行改变，变成和预训练一样的数据形式，比如预训练的时候进行文本补全，不断推测输入语句序列的下一个词是什么，在进行文本分类的时候，就用某种方式把分类也变成“下一个词”。比如我们可以在输入文本的末尾增加“The sentiment is possitive[label]”，就实现了文本分类任务变成预训练阶段的文本生成补全任务
   • 在对具体的任务进行inference的时候，直接用prompt的方式利用大模型的通用能力完成任务
   • 问题
     • 这样的提示语特别难找
     • 离散提示语：自然语言，不知道搜索空间在哪里，同任务的不同样本之间最合适的提示语可能不同
     • 连续提示语：像embedding一样的一组向量，非自然语言。可以理解成是某种抽象的提示语，它能够指代的东西更多，因此具备一定的泛化能力

3. 预训练+指令学习

   • 对数据进行提示语增强，即在数据中加入提示语后进行第二轮训练，模型的参数会进行一次调整，但是所有的任务都用同一个调整参数后的通用模型解决

发展方向

• 模型的能力通常用Knows矩阵评估，给知识领域做如下划分

  • knows knows：知道自己知道什么
  • knows unknows：知道自己不知道什么，能够对不知道的问题说我不知道
  • unknown knows：实际上是能解决的，但是模型以为自己不知道。chatgpt通过CoT（思维链能力）进行拆解，能够通过解决小问题的方式，从而解决以为自己不知道的复杂问题
  • unknown unknows：实际上不知道，但是模型以为自己知道，所以一本正经的胡说八道

• 发展的方向：扩充knows knows和knows unknows

  • up-to-date的知识更新能力
  • untoxic
  • 使用辅助工具的能力，比如使用计算器
  • 与现实世界对齐，而不是仅仅和人类的语言对齐。（现实世界中文本知识+暗知识）

大佬们感兴趣的工作

1. MOSS模型：200亿参数，中英文公开数据集，有对话能力，能基于交互进行迭代优化。提及工作耗费128卡，4个月，语料500B互联网数据

2. Prompt领域的工作：

   • PLM：为每个样本学习连续提示语，但未考虑同任务不同样本的共性
     • Unified prompt learning

3. NLG的评价方法

   • 目前，存在标答的NLP任务，人工标注存在一致性问题、采样问题；不存在标答的NLP任务，如写故事的任务，不能准确评估想象力和创造性。评估指标和人类意图存在一定gap
   • 利用prompt挖掘chatgpt对文本质量进行评价的能力，从而实现非人工的自动评价

4. 应用于业界垂类场景

   • 最性价比参数规模寻找：当下千亿级别的模型并没有完全发挥潜能，开放的数据即将耗尽
   • 最性价比训练数据
     • 考虑大模型的迁移能力、考虑数据的提纯过滤技术
     • 大规模通用语料 + 小规模垂类语料
     • 直接使用大规模垂类语料
     • 通用、垂类语料比例混合
   • 强化垂类专业性的训练技术
     • 多任务提示，指令微调
     • 小模型无法涌现的CoT：大模型-小模型的Teacher-student架构
     • 垂类领域的prompt engineering
       • 生成prompt的产品，供垂类专家使用，形成专家-in-loop的prompt生成方案
       • prompt自优化：APE, DSP
     • 模型加速：分布式并行训练，提高训练效率
   • 增强模型通用能力
     • CoT能力增强，实现模型对复杂问题的拆解能力
     • 结合知识库的检索能力
     • 结合搜索引擎
     • 内容转换，如算术转换为代码，再结合代码解释器的能力

5. 涌现原因的试解释

   • 发现
     • 多步骤任务上才表现出涌现能力，其它的都是单纯的scaling laws（规模越大，效果越好）
     • 不同任务、不同模型、不同能力，涌现出现的规模门槛均不相同
     • 数据量较少的任务上，随着训练过程推进，会出现顿悟(grokking)现象：效果出现跳变。随着训练过程，有记忆期->平台期->泛化期这样明显的阶段，发现跳变的原因是模型学到了一个比较好的任务结构的表征
   • 试解释
     • 能力涌现是因为模型达到一定规模，训练数据中某个比例的子任务的数据进行了良好的任务结构学习，出现grokking，从而实现性能跳变
     • 能力涌现实际上只是一种表象，实际上还是符合scaling laws，是评估指标对多任务总结果粗暴评估导致的
       • 多步骤的任务，如果拆成多个子任务，评估某个子任务的效果，会发现呈scaling laws

大佬们关心的未解之谜

• 为什么训练数据不仅仅决定模型的性能，还会影响模型训练过程的成败？（有报告称改变数据导致训练失败了好几次）
• 能力涌现的原因？参数规模的门槛是否并非百亿，仅仅是因为测试参数规模的时候并不连续，为什么小模型没有涌现？
• 中文训练数据占比很少，但是效果非常好，这样的语种迁移能力是如何来的？
• 大模型的能力能否蒸馏到小模型？
• 未来应该如何研究黑盒一般的大语言模型，是否可以采用脑科学的研究范式？

一些碎碎念（题外话，可太长不看）

直播的最后是一个圆桌讨论，台上的人都是我不认识的各种大佬，title很多，年纪也都比我大不少，听他们聊天的时候我边在打扫卫生，脑子里放空般地想了很多，包括ChatGPT横空出世以来，工作上、网络上发生的种种变化、焦虑和讨论。

专家们都是信心满满的，认为OpenAI提供了一条可行的路，只是路很长，但是大家抬起脚使劲走就行了。

我不知道有多少人和我有同样的感受，从一个不成熟的独生子的角度来说，路的方向和路程的长度对我而言都是非常重要的。我从小是非常适应孤独的，我会我也喜欢和别人合作，但我常常首先思考自己一个人就能解决的方案，优先寻找自己一个人就能做好的事。

这个让大佬们兴奋的领域，对我来说是一个遥远的领域，有多遥远呢？我自己一个人的学习不够，我和小伙伴一起学习还是不够，它所体现出来的算力问题、经济成本，让我觉得它是一个和我无关的事情，我能做的事甚少。即便方向在那里，但是路程的长度同样让我却步，因为我的青春，甚至我的一生，都是非常短暂的。这大概是一种精致的利己，不愿意为什么事业奉献自己的一生，但大概同时也是一种没有希望的现实，和这个社会其他的一些方面相似。没有感受到在某个事业中能迸发个人价值的希望的人，要如何燃烧自己的动力源，投身某项事业中呢？

我不知道这算不算是一种对于普通的自己的自我接纳，还是一种不想再前进的怯懦。于我而言，我只要学会使用这样的新技术（一个人就能使用的话），做一些我自己觉得有意思的东西就好了。这仿佛是我对于网上最近涌现的替代焦虑，顿悟的答案。对我来说，大模型就像是键盘、鼠标，就像JAVA PYTHON一样，只是人和机器交互的一种新方式，这个方式更加没有门槛也不需要练习，就说话就行了。我只想用它做一些我一个人就能做出来的好玩的东西，我自己觉得好玩并且享受就好了。

但是即便是一个这么新、这么便捷的人机交互的方式，也一定有人不会使用。就像文字、键盘、鼠标、手机，每一个时代的技术都不会覆盖到每一个人，于是每个时代都产生各种各样的需求，他们需要被各种各样的新事物服务。过去我用编程语言让机器创造程序，实现我想要的效果，可能未来我只要和机器说话，就可以实现我要的效果，而这个效果，服务于不同的人群，满足不同的需求，我还是有自己的一席之地，但是说话这件事太没有门槛（真的吗？），所以难免会产生淘汰焦虑。

但未来谁能预料呢，过分关注未来，只是在给现在找借口罢了——“反正未来也会XXXX，我现在不采取什么行动也可以”或者“等我怎么怎么样了，我再好好过怎样的人生，所以现在我就先不采取行动，好好忍耐吧”。

我始终觉得，关键不在于未来的周遭是如何的，关键是理想的自己有什么特质，如何靠近。我期待自己是一个这样的人：

1. 有好奇心，并能准确描述自己的问题。这是我从不太会用手机的老爸那里观察来的。对于一个陌生的庞然大物，首先能够提出清晰的问题，并逐步发现子问题，找到子答案，最后汇总成自己的答案
2. 每一刻都是全新的自己。我慢慢地发现，周围的很多人都有某种程度的“一劳永逸”的期待，比如在某个领域深耕了十余年，如果这个领域被AI挑战，就会万念俱灰，好像做了“用我十年二十年光阴，换我百岁长安”的买卖。我希望每一刻的自己都是全新的，每一刻的自己都是一个随机过程吐出来的状态，它不受过去的强连续性约束，每一个付出都在它完成的一刻完结，把它抛在脑后，而选择只活在“此时此刻”。曾经高中三年是为了考大学，大学四年是为了毕业，硕士两年是为了工作，现在我不想再为了这为了那了，今天的我选择做什么，仅仅献给今天的自己，到明天的时候，这一份精力的付出就和昨天的我一起永久的封存了，明天的我，面对明天的世界，采取新的行动，永远做一个有耐心的小白。
3. 有人味儿。我设想在自动化程度已经很高的今天，手机缩短了信息的距离，却拉远了人与人之间的距离的今天，在AI进一步把自动化拉向智能化的时候，我会觉得什么是难能可贵的？我想大概是人味儿，不绝对理智的、不全面的、有点任性的、不现实的、单纯利他的奉献激情，等等。我最想保持的人味儿，就是我可笑的理想主义和有点儿没边的真诚。
4. 惊喜。我跟自己说了好多年，“梦想是成为一份惊喜”。近几年的推荐算法一直有一个难题，人的兴趣是突变的，刷几个视频他突然就不想再看这个话题了，他刷到某个别的视频，他突然对这个话题都感兴趣了。我希望在AI的世界里，我给AI的惊喜能更多一些，我还记得本科的时候，AI还没火的大一，我听见满头白发的院长苍老地说“灵感和顿悟可能是大自然给人类留下的最后一道防线”，我希望我可以好好珍惜，希望灵感乍现的时刻能多一点。

本文链接：https://my.lmcjl.com/post/8193.html