442 个作者,100 页论文一半都是参考文献,谷歌耗时 2 年发布开源大模型新基准 BIG-Bench
- 量子位
2022-06-11 13:21
一篇 AI 论文,442 个作者,其中还专门留了一章节写作者贡献,100 页里超过一半都是参考文献……
谷歌最新发布的论文 ——Beyond The Imitation Game: Quantifying And Extrapolating The Capabilities Of Language Models 作者那一栏就变成了这样……
来自 132 个机构的研究学者,耗时两年提出了一个大语言模型新基准 BIG-bench。并在此基础上评估了 OpenAI 的 GPT 模型,Google-internal dense transformer 架构等,模型规模横 6 个数量级。
最终结果显示,模型性能虽然随着规模的扩大而提高,但跟人类的表现相差还很远。
对于这项工作,Jeff Dean 转发点赞:Great Work。
大语言模型新基准
来康康这篇论文究竟说了什么。
随着规模的扩大,模型的性能和质量都有一定的改进,这当中可能还存在一些变革性影响,但这些性能此前都没有很好的描述。
现存的一些基准都有一定的局限性,评估范围比较狭窄,性能分数迅速达到饱和。
比如 SuperGLUE,在该基准推出后的 18 个月内,模型就实现了“超过人类水平”的性能。
基于这样的背景,BIG-bench 就诞生了。
目前它由 204 个任务组成,内容涵盖语言学、儿童发展、数学、常识推理、生物学、物理学、社会偏见、软件开发等方面的问题。
此外还有个人类专家评审团,也执行了所有任务,以提供基线水平。
为了方便更多机构使用,研究人员还给出了 BIG-bench Lite,一个小型但有代表性的任务子集,方便更快地评估。
以及开源了实现基准 API 的代码,支持在公开可用的模型上进行任务评估,以及新任务的轻量级创建。
最终评估结果可以看到,规模横跨六个数量级,BIG-bench 上的总体性能随着模型规模的扩大、训练样本数量的增加而提高。
但跟人类基线水平相比,还是表现得比较差。
具体在一些任务上,模型性能会随着规模的增加而平稳地提高。但有时候,会在特定规模上突然出现突破性表现。
此外,它还可以评估模型存在的社会偏见。
此外,他们还意外发现模型还可以 get 一些隐藏技能。比如,如何在国际象棋中合乎规则的移动。
作者贡献写了 14 页
值得一提的是,可能因为作者过多,论文最后还专门留了一章写作者贡献。洋洋洒洒的写了 14 页,其中包括核心贡献者、Review 的、提供任务的……
剩下的,还有 50 页的参考文献。
好了,感兴趣的旁友可戳下方链接康康论文。
论文链接:
https://arxiv.org/abs/2206.04615
GitHub 链接:
https://github.com/google/BIG-bench
广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。