财经频道 资讯中心 房产频道 旅游频道 汽车频道 教育频道 科技频道 频道

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

2023-09-09 01:51:59      来源:量子位

鹅厂的通用大模型,终于来了!


【资料图】

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:

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:

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 randomdef 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 boarddef 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!")            breakif 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?

— 完 —

量子位 QbitAI · 头条号签约

关注我们,第一时间获知前沿科技动态

相关阅读

网友评论

今日推荐
精选图文
48小时频道点击排行