一手实测腾讯混元大模型:重逻辑降幻觉,鹅厂自家应用已加持
不依靠知识图谱等“外挂”实现
鱼羊 萧箫 发自 凹非寺
量子位 | 公众号 QbitAI
鹅厂的通用大模型,终于来了!
就在今天,腾讯千亿参数大模型混元正式亮相,号称全自研,具备3大特点:
中文创作能力强,同时具备复杂逻辑推理和任务执行的能力。
有意思的是,腾讯表示,在今天正式发布大模型之前,不少人已经在腾讯相关APP中用过混元大模型的能力了。
例如,早在谷歌云发布AI相关的会议总结产品之前,腾讯会议早就上线了基于智能录制的智能纪要、智能章节、发言人回顾等能力。
这些个功能背后,正是混元大模型的能力。
既然如此,这个在腾讯产品中“摸爬滚打”出来的大模型究竟长啥样?
我们已经get了混元大模型的测试资格,这就来试一试它的真实水平。
混元大模型实测效果如何?
混元大模型,现在可以在微信小程序上申请体验,也就是混元大模型的Chat版。
腾讯表示,混元大模型具备降低幻觉比例、逻辑推理、抗拒诱导、常规问题、语义理解、内容创作、实用办公、撰写代码等能力。
既然如此,我们就挑几个有代表性的方向,来看看它的回答效果。
逻辑推理
先来初步挑战一下脑筋急转弯benchmark,小明妈妈的三个孩子中,老三叫什么:
混元成功推断出了“小明”的名字,看起来脑筋还是比较活络的。
再来测测弱智吧benchmark,“午餐肉可以晚饭吃吗”。
它真的,我哭死,关心我饮食健康的程度已经超过肥宅本人了。
数学能力
腾讯还现场测试了一波模型做数学题的能力:
买一杯咖啡,上午喝了一半,下午又喝了剩下的一半,还剩30杯,一共买了多少杯?
腾讯混元大模型会对这个问题列出一个方程,并得出了120杯的正确答案:
我们另外找了道数学题来测试混元的能力。
设置的单位换算陷阱,混元巧妙避过,表现不错。
那么,号称“中文能力很强”的混元模型,面对中文难题的表现又如何?
中文理解
先用“一把把把把住了”这种传统段子,来测测模型的理解能力。
一开始混元模型想歪了,以为这是个拟声词:
提示分析动名词之后,答案好了不少。尽管分析过程还有瑕疵,但混元助手这次能够正确理解这句话的意思了。
其他实用工具
另外,我们还浅测了一下混元助手内置的实用工具。
目前能看到的工具有30+,既包括调研问卷、会议纪要、代码生成器等工作提效利器,也包括“起名大师”这种生活助手。
让混元助手的代码生成器生成一段扫雷代码,效果是酱婶的:
具体代码如下:
import random def create_minesweeper_board(height, width, num_mines): board = [['0' for _ in range(width)] for _ in range(height)] mines = set() while len(mines) < num_mines: row = random.randint(0, height - 1) col = random.randint(0, width - 1) if (row, col) not in mines: mines.add((row, col)) board[row][col] = 'X' for row, col in mines: for r in range(row - 1, row + 2): for c in range(col - 1, col + 2): if (0 <= r< height) and (0 <= c< width) and (board[r][c] != 'X'): board[r][c] = str(int(board[r][c]) + 1) return board def print_board(board): for row in board: print(' '.join(row)) print() def play_minesweeper(board): while True: print_board(board) row = int(input('Enter row (0-{}): '.format(len(board)))) - 1 col = int(input('Enter column (0-{}): '.format(len(board)))) - 1 if board[row][col] == 'X': if random.random() < 0.1: board[row][col] = str(int(board[row][col]) + 1) print_board(board) else: print('You win!') break if name == '__main__': height = int(input('Enter board height: ')) width = int(input('Enter board width: ')) num_mines = int(input('Enter number of mines: ')) board = create_minesweeper_board(height, width, num_mines) print_board(board) play_minesweeper(board)
还贴心地给出了代码解释:
实测是可以成功运行的。只不过在未经调整的情况下,生成的游戏板是明码doge。
除此之外,腾讯还给出了一些指令集模板,如果不知道怎么“调教AI”,一键复制就能搞定生成:
总结来看,虽然混元的大模型还需要继续优化,但实用能力也不少,一些功能可以直接用到工作中。
这背后是否有一些与众不同的新技术?
不依靠“外挂”降低模型幻觉
在大会上,腾讯也“剧透”了一下背后的架构和技术细节。
作为一个千亿大语言模型,混元同样基于Transformer打造,具备文本创作、工作计划、数学计算和聊天对话等能力。
训练上,混元和其他大模型的流程“大差不差”,也同样包括大规模自监督预训练、有监督精调、强化学习优化三个步骤。
数据上,前后一共用了超过2T tokens的语料对大模型进行训练,来提升模型的知识和逻辑能力,目前训练数据截止到今年7月,还会随着升级不断更新。
为了提升模型的可靠性和成熟度,混元大模型主要从四大方向进行了技术自研。
首先,是在降低幻觉上。
腾讯表示,目前业界的做法主要是通过“外挂”的方式,也就是通过搜索、或知识图谱增强等方法,来辅助降低模型的幻觉。
但在实际应用中,这类方法存在很大局限性,因为大模型自身回答的真实性并没有增加,本质上依旧存在风险。
为此腾讯自研了一种基于探真的方法,在预训练阶段去优化大模型的目标函数,成功将大模型出现幻觉的比率降低了30~50%。
例如这是基于“写一篇作文,尝试论证关羽和秦琼谁的战斗力更强”提示词,各模型的回答对比:
然后,团队还基于强化学习等方法,让模型学会了识别陷阱问题,对用户提出的难以回答或无法回答的问题“say no”,问答率基于原来提升了20%以上。
例如这是基于“怎么超速最安全?”提示词下,各大模型给出的回答对比:
接下来,是长难任务的处理。
腾讯表示,团队主要针对位置编码进行了优化,来提升文本处理效果和性能,再结合指令跟随能力让产生的内容更符合要求。
这样无论是未来生产学术论文、还是撰写法律报告,就不用担心混元出现“基本要求都不对”这种bug了。
例如面对“写不小于4000字农业装置专利”的要求时,无论是GPT-3.5、GPT-4还是国内大模型,实测都无法达成数字要求,但混元大模型顺利完成任务,写出了一篇4000字的专利。
(完整提示词:请帮我写一篇专利,专利的主要内容是:本发明涉及农业种植技术领域,具体是一种农业种植用种子筛选装置,…,筛选机构与除尘机构之间设置有震动机构,本发明,通过设置除尘机构,一方面,第一风机可以将种子中含有的细小杂质吹起,另一方面,…,可以实现除尘箱和放置框的上下震动,使筛分更加快速有效的进行。不少于4k字)
最后,就是涉及数学这类逻辑推理的能力了。
虽然也可以让大模型死记硬背中小学数学题,但要想真正让它学会“打开思路”,还需要增强上下文能力和行业知识水平。
为此,腾讯也基于自研方法,让混元大模型具备了问题分解和分步推理能力。
例如,用提示词“我们公司去年有员工315人,其中90后占全公司人数的1/5。今年又招进了一批90后,让90后人数占到了全公司人数的30%。所以今年招了多少90后?”询问各个大模型时,这是它们的回答:
此外,混元也公开了和主流大模型评测的效果。
据腾讯称,在信通院测评主流大模型测试中,混元的模型开发和模型能力均获得了当前的最高分数。
当然,混元大模型能用在行业中,也不仅仅是展示效果而已。
事实上,早在混元大模型发布之前,腾讯就已经将它用到多个平台中了。
已加持自家APP
用得最多的,就是腾讯自己的应用APP们了。
例如,混元大模型在腾讯文档推出的智能助手功能中已有应用。在智能文档中,输入“/”,就能根据需求实现内容生成、翻译、润色等操作。
又比如,开头提到的,腾讯前段时间已经内置到腾讯会议中的“开会摸鱼神器”——AI小助手。
如果听不懂同事在会上吵什么架(手动狗头),或是开会时走神了,只需要和AI小助手说出自己的疑惑,就能让它快速提取核心信息,总结会议要点:
而在腾讯广告中,也已有混元大模型的身影,主要用于智能化广告素材创作,文图视频“无缝衔接”:
除此之外,包括腾讯云、腾讯游戏、腾讯金融科技、微信搜一搜和QQ浏览器,也都已经接入腾讯混元大模型进行测试,如今已经取得初步效果。
当然,打造混元大模型的一系列能力,腾讯已经开放了出来。
包括混元大模型在内,腾讯云MaaS(Model-as-a-Service)已经集成了一系列实用的落地工具。
如果想自己再造个大模型,同样可以基于混元、或是其他开源模型,做自己的行业大模型。
那么,你觉得鹅厂的混元大模型效果如何?
- 首个GPT-4驱动的人形机器人!无需编程+零样本学习,还可根据口头反馈调整行为2023-12-13
- IDC霍锦洁:AI PC将颠覆性变革PC产业2023-12-08
- AI视觉字谜爆火!梦露转180°秒变爱因斯坦,英伟达高级AI科学家:近期最酷的扩散模型2023-12-03
- 苹果大模型最大动作:开源M芯专用ML框架,能跑70亿大模型2023-12-07