.hd-box .hd-fr

全都不及格!斯坦福 100 页论文给大模型透明度排名,GPT-4 仅排第三

2023-10-19 14:58量子位(金磊)16评

试问百模大战的当下,谁家大模型的透明度最高?

(例如模型是如何构建的、如何工作、用户如何使用它们的相关信息。)

现在,这个问题终于有解了。

因为斯坦福大学 HAI 等研究机构最新共同发布了一项研究 ——

专门设计了一个名为基础模型透明度指标(The Foundation Model Transparency Index)的评分系统。

它从 100 个维度对国外 10 家主流的大模型做了排名,并在透明度这一层面上做了全面的评估。

结果可谓是大跌眼镜!

若是以 60 分作为及格线,那么“参赛”的大模型们可以说是全军覆没,没有一个及格的……

来感受下这个 feel:

排名第一的 Llama 2,分数仅为 54;紧随其后的便是 BLOOMZ,得分 53。

而 GPT-4 分数仅仅为 48,排名第三;来自亚马逊的 Titan Text 成绩垫底,仅取得 12 分。

不仅如此,在斯坦福 HAI 官方的博客中,负责人 Rishi Bommasani 直言不讳地把 OpenAI 单拎出来说到:

基础模型领域的公司变得越来越不透明。

例如名字带“open”的 OpenAI 曾明确表示,与 GPT-4 相关的大多数信息将不会公开。

总而言之,团队认为大模型发展到现阶段,它们的透明度是一个非常重要的关键点,直接与是否可信挂钩。

而且更深层次的,他们认为这也从侧面反映了人工智能行业从根本上缺乏透明度。

100 多页论文研究模型透明度

那么这个排名到底是怎么来的?

在成绩公布的同时,团队也把一篇厚达 100 多页的论文晒了出来。

正如我们刚才提到的,这次排名一共涉及到了 100 个指标维度。

若是“归拢归拢”着来看,可以将这些指标大致分为三大类,分别是:

将 10 大模型此次的成绩,按照上面的三大维度来看,得分细节如下:

从结果上来看,“上游”类指标的得分差异较为明显;例如 BLOOMZ 的“上游”类指标在整体得分中的占比较高。

而像 Jurassic-2、Inflection-1 和 Titan Text,这三个模型的“上游”类指标得分直接为 0。

如果将“上游”、“模型”和“下游”视为三个“顶级域”,那么团队在它们基础之上,还分了更精细、更深入的 13 个“子域”:

13 个“子域”划分下的细节得分情况如下:

至于完整的 100 个指标维度,可以参考下面这张图表:

当然,对于大模型领域最具热度话题之一的“开源闭源之争”,也在此次的研究中有所涉足。

团队将广泛可下载的模型标记为开源模型,“参赛选手”中有三位属于此列,分别是 Llama 2、BLOOMZ 和 Stable Diffusion 2。

从排名结果中显而易见地可以看出,开源模型的得分普遍遥遥领先,唯有 GPT-4 的得分比 Stable Diffusion 2 高出了 1 分。

对此,研究人员也做出了解释:

这种差异很大程度上是由于闭源模型的开发人员在“上游”问题上缺乏透明度造成的,比如用于构建模型的数据、劳动力和计算。

此次模型透明度排名的更多细节内容,可参考文末的论文。

透明度为什么重要?

针对这个问题,斯坦福 HAI 在官方博客中也做出了相应说明。

例如在负责人 Rishi Bommasani 看来:

缺乏透明度,长期以来一直是数字技术消费者面临的一个问题。

在当下的互联网中充斥着诸多这样的问题,例如欺骗性的广告和定价、欺骗用户在不知情的情况下进行网购等等。

MIT 博士 Shayne Longpre 认为,随着大模型越发的火热并且在各行各业中迅速落地,科学家们有必要了解它们是如何设计的,尤其是“上游”的那些指标。

对于产业界来说,亦是如此,决策者们在面对“用哪个大模型、怎么用”等问题时,都需要建立在模型透明度的基础之上。

那么你对于这次大模型的透明度排名有怎样的看法呢?欢迎在评论区留言交流~

论文地址:

https://crfm.stanford.edu/fmti/fmti.pdf

参考链接:

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。

下载IT之家APP,分享赚金币换豪礼
相关文章
大家都在买广告
热门评论
查看更多评论