一項由斯坦福大學(xué)和加州大學(xué)伯克利分校的研究人員進行的研究表明，ChatGPT的準(zhǔn)確性已經(jīng)變差。
研究人員發(fā)現(xiàn)，ChatGPT的行為在一定時間內(nèi)發(fā)生了明顯變化，而且沒有好轉(zhuǎn)。更令人不安的是，沒有人能對這種令人不安的惡化給出一個好的解釋。
為了檢查ChatGPT的GPT-3.5和GPT-4程序的一致性，研究小組測試了AI的“漂移”傾向，即提供不同水平的質(zhì)量和準(zhǔn)確性的答案，以及它是否能夠正確地遵循給定的命令。研究人員要求ChatGPT-3.5和GPT-4解決數(shù)學(xué)問題、回答敏感和危險的問題、從提示中進行視覺推理并生成代碼。
在他們的回顧中，該團隊發(fā)現(xiàn)“總體而言……‘相同’LLM(大語言模型)服務(wù)的行為可以在相對較短的時間內(nèi)發(fā)生重大變化，這凸顯了需要對LLM質(zhì)量進行持續(xù)監(jiān)控?！?strong>例如，GPT-4在2023年3月識別質(zhì)數(shù)的準(zhǔn)確率幾乎為98%。然而，到2023年6月，GPT-4在同一任務(wù)上的準(zhǔn)確率戲劇性地下降到不到3%。與此同時，2023年6月的GPT-3.5在質(zhì)數(shù)識別方面比其2023年3月版本有所提高。在生成計算機代碼方面，兩個版本在3月和6月之間生成計算機代碼的能力都變差了。
這些差異可能會對現(xiàn)實世界產(chǎn)生影響，并很快見效。本月早些時候，紐約大學(xué)的一個研究小組在《JMIR醫(yī)學(xué)教育》雜志上發(fā)表的一篇論文表明，ChatGPT對與保健相關(guān)的查詢的回答在語氣和措辭上似乎與人類醫(yī)療專業(yè)人員無異。研究人員向392人展示了10個病人的問題及答案，其中一半來自人類保健提供者，另一半來自O(shè)penAI的LLM。參與者“難以”區(qū)分人類和聊天機器人筆下的回答。與此同時，人們越來越擔(dān)心AI處理醫(yī)療數(shù)據(jù)隱私的能力，以及它“幻想”不準(zhǔn)確信息的傾向。
不僅學(xué)術(shù)界注意到了ChatGPT的收益遞減。OpenAI的開發(fā)者論壇一直在就LLM的進步(或缺乏進步)進行持續(xù)辯論?！笆欠裼腥苏浇鉀Q這個問題?作為付費客戶，它從偉大的副廚師變成了洗碗工。真的希望得到一個正式的回復(fù)，”一個用戶本月早些時候?qū)懙馈?/p>
OpenAI的LLM研發(fā)一直被嚴(yán)格封閉，不對外審查，這一策略引發(fā)了行業(yè)專家和用戶的強烈反彈和批評。“很難說清楚為什么會發(fā)生這種情況，”加州大學(xué)伯克利分校計算機科學(xué)副教授、Databricks首席技術(shù)官，也是ChatGPT質(zhì)量審查論文的合著者之一Matei Zaharia周三在推特上寫道。Zaharia繼續(xù)推測，強化學(xué)習(xí)人類反饋(RLHF)可能與微調(diào)“遇到了瓶頸”，但也承認(rèn)可能僅僅是系統(tǒng)中的錯誤。
因此，雖然ChatGPT可能通過了基本的圖靈測試基準(zhǔn)，但其不均衡的質(zhì)量仍對公眾構(gòu)成了重大挑戰(zhàn)和擔(dān)憂，與此同時，幾乎沒有什么能阻止它們繼續(xù)擴散和融入日常生活。
本文譯自 Popular Science，由 BALI 編輯發(fā)布。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
