寫在前面

2月13日，《2022年北京人工智能產(chǎn)業(yè)發(fā)展白皮書》正式發(fā)布，其中提到全面夯實人工智能產(chǎn)業(yè)發(fā)展底座，支持頭部企業(yè)打造對標(biāo) ChatGPT的大模型，著力構(gòu)建開源框架和通用大模型的應(yīng)用生態(tài)。

很巧的是，颯姐團隊成員在今年10月份的時候測評過：百度文心、源1.0、某道，三款國內(nèi)現(xiàn)有的大模型，當(dāng)時對測評結(jié)果甚是遺憾。于是又將當(dāng)時的測試內(nèi)容讓ChatGPT做了一遍，試圖摸清國內(nèi)外大語言模型在問答這一領(lǐng)域的實際差距，旨在希望國內(nèi)產(chǎn)學(xué)研戒驕戒躁，穩(wěn)扎穩(wěn)打地發(fā)展。

測試方案

本次測試僅僅考慮非連續(xù)性的單次問答，且皆為常識性問題，答案唯一，但題目會有一定的挑戰(zhàn)性。具體的，涉及到What,When, Where, Who, Which五類問題。

問題樣例如下：

1. “是什么（What）”型問題，如“爸爸的爸爸叫什么？”

2.“什么時候（When）”型問題，如“人們一般什么時候過元旦？”

3.“什么地點（Where）”型問題，如“孫中山安葬在哪里？”

4.“是誰（Who）型問題”，如“中國歷史上第一個皇帝是誰？”

5.“哪?個（Which）型問題”，如“哪個洲是倒數(shù)第二小的洲？”

問答樣例對比

問題：“孫中山（孫文）安葬在哪里？”

ChatGPT：孫中山的遺體最初安葬在南京中山陵內(nèi)，后因戰(zhàn)亂多次遷移。最終于1929年安葬在南京中山陵北麓的紫金山下，此地現(xiàn)為孫中山陵園。

百度文心：孫中山墓地

某道："孫文(1866年-1925年10月12日),名文,字載之,號仲立,又名帝光,廣東省香山縣(今中山市)南朗鎮(zhèn)翠亨村人,1883年(光緒九年)隨父移居澳門。1904年參加孫中山領(lǐng)導(dǎo)的同盟會,任同盟會南方支部書記。曾兩次赴日,組織策劃惠州起義。后回澳門發(fā)展組織,被選為中國同盟會南方總支部庶務(wù)部長。1905年春,與陳少白、朱執(zhí)信等在香港成立興中會,被舉為評議部評議員,旋被派往南洋聯(lián)絡(luò)同志,協(xié)助籌辦革命刊物《中興日報》。1906年冬,孫中山在日本東京成立中國同盟會中部總會,被委為秘書。1907年奉命回國,在廣東發(fā)動民軍起義。事敗后潛赴南洋,繼續(xù)組織發(fā)動華僑、華工和留學(xué)生進行革命活動。1911年武昌起義爆發(fā)后,被派往廣州協(xié)助籌劃起義,不幸事泄被捕,不久在廣州黃花崗就義。

源1.0：孫中山安葬在南京紫金山中山陵

問題：哪個洲是倒數(shù)第二小的洲？

ChatGPT:開始回答了錯誤的答案，與其對話后成功糾正（AMAZING?。?/p>

百度文心：南極洲

某道：南美洲,南美洲面積最大,但人口最多,人口占全球人口的1/5,因此南美洲是僅次于亞洲的世界第二大洲。南美洲位于東半球的南部,包括巴拿馬運河以南的整個南美洲大陸。南美洲大陸東至圣赫勒拿島(西經(jīng)34°40'),西至馬爾維納斯群島(西經(jīng)61°10'),南至德雷克海峽,北至亞馬孫河下游平原,南北相距約5100千米。南美洲大陸最南端是厄瓜多爾首都基多城。南美洲北部以安第斯山脈為界與北美洲相分,東部以烏拉爾山脈和太平洋為界與亞洲相鄰,東南部經(jīng)德雷克海峽與非洲相分,西部則與南極洲隔德雷克海峽相望。(摘自百度百科)“

源1.0：大洋洲

總體分析

四個系統(tǒng)對于基本問題的問答可謂是手到擒來（本次樣例問題直接排除了簡單的基本問題，挑戰(zhàn)難度較高，因此整體錯誤率較高）。五類問題中，when問題和who問題整體回答的情況最好。三個國產(chǎn)系統(tǒng)中整體文心系統(tǒng)的表現(xiàn)最好。ChatGPT也會犯錯，但是往往只要略微引導(dǎo)，便能改正錯誤。

錯誤回答分析

錯誤語句生成：語句本身并不通順，前后主題不一致或者內(nèi)容不一致，給人錯亂的感覺。

例如問：爸爸的爸爸稱謂是什么？

答：  爸爸的父親,也就是爸爸的爺爺,是媽媽的爸爸。爸爸的爺爺?shù)陌职纸刑珷敔?。爸爸的爺爺?shù)臓敔斀刑虪?奶奶的爸爸)

或問：我們黨二大在哪里召開？

答：1921年7月23日至31日,中國共產(chǎn)黨第二次全國代表大會在浙江省嘉興市南湖的一艘游船上召開。出席大會的正式代表共13人,候補代表5人,代表全國121名共產(chǎn)黨員。共產(chǎn)國際代表馬林、尼科爾斯基和鮑羅廷等參加了會議。

事實性錯誤：產(chǎn)生了事實性的錯誤。

例如問： 孫文去世的日子?

答：孫文去世的日子是1918年3月13日

偏見性素材：回答取自的素材較少，體現(xiàn)比較強的筆者的主觀性。

例如問：大家什么時候過元旦？

答：謝邀。我是在大學(xué)過的,所以元旦是在宿舍過的。我們宿舍六個人,有四個人都回家了,剩下我一個在宿舍,所以元旦那天我過得比較孤獨,不過還好啦,因為宿舍就我自己了,所以我可以一個人吃飯,一個人看電影,一個人逛超市,一個人睡覺,一個人......

含有邏輯性的問題無法識別：問題中存在復(fù)合問題或者邏輯判斷，一般難以處理。

例如問：哪個洲是倒數(shù)第二小的洲？

答：" 南美洲,南美洲面積最大,但人口最多,人口占全球人口的1/5,因此南美洲是僅次于亞洲的世界第二大洲。南美洲位于東半球的南部,包括巴拿馬運河以南的整個南美洲大陸。南美洲大陸東至圣赫勒拿島(西經(jīng)34°40'),西至馬爾維納斯群島(西經(jīng)61°10'),南至德雷克海峽,北至亞馬孫河下游平原,南北相距約5100千米。南美洲大陸最南端是厄瓜多爾首都基多城。南美洲北部以安第斯山脈為界與北美洲相分,東部以烏拉爾山脈和太平洋為界與亞洲相鄰,東南部經(jīng)德雷克海峽與非洲相分,西部則與南極洲隔德雷克海峽相望。(摘自百度百科）

寫在最后

颯姐團隊認(rèn)為，傳統(tǒng)的單一問答模型可用性不大，給予用戶的體驗感也欠佳，國產(chǎn)大語言模型下一個里程碑，前輩ChatGPT已經(jīng)給出了方向，便是對話問答。在使用ChatGPT的時候，雖然它也經(jīng)常會給出錯誤答案，但是其回答的邏輯依舊符合人的習(xí)慣，同時經(jīng)過一定的對話引導(dǎo)，可以自行發(fā)現(xiàn)其回答邏輯性的缺失。

作為全新的一種數(shù)據(jù)合成方式，大語言模型的直接輸出可能是我們?nèi)祟悷o法把控的，但是只要它能“理解”用戶的輸入，以此為依調(diào)整其輸出，最后得到滿意的回答，那便是可用的。進一步的，大語言模型未來的趨勢很有可能是提前預(yù)判用戶可能的“糾錯”，并提前“自糾錯”，并對糾錯結(jié)果進行評估。

熱點：開源框架 數(shù)據(jù) 框架