时下改变AI的6大NLP语言模型

本文将深入研究大语言模型领域的最新进展，改变AI的6大NLP语言模型，每个模型能够引入的增强功能、以及潜在功能应用与限制。

在快速发展的人工智能（AI）领域，自然语言处理（Natural Language Processing，NLP）已成为了研究人员和开发人员的关注焦点。作为该领域显著进步的标志，近年来业界出现了多种突破性的语言模型。它们推动了机器理解和生成能力的进行。在本文中，我们将深入研究大语言模型领域的最新进展，探索每个模型能够引入的增强功能、以及潜在功能应用。

下面，我们将从2018年具有开创性的BERT模型开始，向您介绍如下大语言模型：

Google的BERT（https://www.topbots.com/top-6-nlp-language-models-transforming-ai-in-2023/#bert）

OpenAI的GPT-3（https://www.topbots.com/top-6-nlp-language-models-transforming-ai-in-2023/#gpt3）

Google的LaMDA（https://www.topbots.com/top-6-nlp-language-models-transforming-ai-in-2023/#lamda）

Google的PaLM（https://www.topbots.com/top-6-nlp-language-models-transforming-ai-in-2023/#palm）

Meta AI的LLaMA（https://www.topbots.com/top-6-nlp-language-models-transforming-ai-in-2023/#llama）

OpenAI的GPT-4（https://www.topbots.com/top-6-nlp-language-models-transforming-ai-in-2023/#gpt4）

一、Google的BERT

2018年，Google AI团队推出了源于Transformers的Bidirectional Encoder Representations（BERT）自然语言处理（NLP）模型。它在设计上允许模型考虑每个单词的左右与上下文。虽然其概念相对简单，但是BERT能够在11种NLP任务上获得最新的结果。其中包括问答、已命名实体识别、以及与一般语言理解相关的其他任务。该模型标志着NLP进入了预训练语言模型标准的新时代。

1、目标

消除早期语言模型的局限性，特别是在预训练中表现出的单向性。这些限制了可用于预训练的架构选择，以及微调的方法。例如，OpenAI的GPT v1使用从左到右的架构，其中每个token（表征）只关注变形的自我关注层（self-attention）中的先前token。因此，这种设置对于语句级（sentence-level）任务来说是次优的，而对于token级任务则更加不利。毕竟在token级任务中，合并双方的上下文是非常重要的。

2、如何处理

该模型通过随机屏蔽一定比例的输入标记来训练深度双向模型，从而避免单词陷入间接“看到自己”的循环（https://www.reddit.com/r/MachineLearning/comments/9nfqxz/r_bert_pretraining_of_deep_bidirectional/）。

此外，BERT通过构建一个简单的二元分类任务，来预训练句子关系模型，以预测句子B是否紧跟在句子A之后，从而使之能够更好地理解句子之间的关系。

训练一个包含了大数据的大模型，其中包括33亿字的语料库、1024个隐藏的24种Transformer块、以及340M参数。

3、结果

该技术提升了11项NLP任务，其中包括：

获得了80.4%的GLUE分数，比之前的最佳成绩提高了7.6%。

在SQuAD上获得93.2%的准确性，比人类的表现超出了2%。

提供了一个预先训练的模型，不需要对特定的NLP任务进行任何实质性的架构修改。

4、在哪里可以了解更多关于这项研究的信息？

研究论文：《BERT：用于语言理解的深度双向Transformer预训练》（https://arxiv.org/abs/1810.04805）

博客文章：《开源BERT：Google AI带来的、最先进的自然语言处理预训练》（https://ai.googleblog.com/2018/11/open-sourcing-bert-state-of-art-pre.html）

5、在哪里可以获得实现代码？

Google Research发布的官方Github存储库，其中包含了Tensorflow代码和BERT的预训练模型（https://github.com/google-research/bert）。

BERT的PyTorch实现也可以在GitHub上找到（https://github.com/codertimo/BERT-pytorch）。

二、OpenAI的GPT-3

OpenAI团队引入了GPT-3，作为为每个语言任务提供标记数据集的替代方案。他们建议，扩展语言模型可以提高与任务无关的小样本（few-shot）性能。为了测试这一建议，他们训练了一个带有175B参数的自回归语言模型——GPT-3，并评估了它在二十多种NLP任务上的性能。在小样本学习、单样本学习、以及零样本学习下的评估表明，GPT-3取得了不俗的结果，它们甚至偶尔会超过微调模型，获得最新的结果。

1、目标

当需要对每个新语言任务标记数据集时，可将其作为现有解决方案的替代。

2、如何处理

研究人员建议扩大语言模型，以提高与任务无关的小样本的表现。

GPT-3模型使用与GPT-2相同的模型和架构，包含了修改初始化、预规范化和可逆标记化。

不过，与GPT-2相比，它在转换层中使用了交替的密集和本地带状稀疏专注模式（banded sparse attention patterns），这与Sparse Transformer（https://arxiv.org/abs/1904.10509）十分类似。

3、结果

未经微调的GPT-3模型在许多NLP任务上都取得了令人满意的结果，甚至有时超过了针对特定任务进行微调的最先进模型：

在CoQA基准测试中，零样本设置为81.5 F1，单样本设置为84.0 F1，小样本设置为85.0 F1，而微调SOTA的得分为90.7 F1。

在TriviaQA的基准测试中，零样本的准确率为64.3%，单样本的准确率为68.0%，小样本的准确率为71.2%，比目前的水平(68%)高出了3.2%。

在LAMBADA数据集上，零样本的准确率为76.2%，单样本的准确率为72.5%，小样本的准确率为86.4%，比目前的技术水平(68%)高出了18%。

在人类参与的评估中，由175b参数的GPT-3模型生成的新闻文章，很难与真实文章相区分开来。

4、在哪里可以了解更多关于这项研究的信息？

研究论文：《小样本学习语言模型》

5、从哪里可以获得实现代码?

虽然无法直接获得其代码，但是可以获取其被发布在GitHub上（https://github.com/openai/gpt-3）的一些统计数据集，以及来自GPT-3的无条件的、未过滤的2048个token的样本。

三、Google的LaMDA

对话应用语言模型(Language Models for Dialogue Applications，LaMDA)是通过对一组专门为对话设计的、基于Transformer的神经语言模型进行微调而创建的。这些模型最多有137B参数，并且经过训练可以使用外部的知识来源。LaMDA有三个关键性目标——质量、安全性和真实性（groundedness）。结果表明，微调可以缩小其与人类水平的质量差距，但在安全性和真实性方面，该模型的性能仍然低于人类水平。

作为ChatGPT的替代品，谷歌最近发布了由LaMDA提供支持的Bard（https://blog.google/technology/ai/bard-google-ai-search-updates/）。尽管Bard经常被贴上无聊的标签，但它可以被视为谷歌致力于优先考虑安全的证据。

1、目标

该模型是为开放域的对话式应用构建的。其对话代理不但能够就任何主题展开对话，而且可以保证其响应是合理的、特定于上下文的、基于可靠来源的、以及合乎道德的。

2、如何处理

基于Transformer（https://ai.googleblog.com/2017/08/transformer-novel-neural-network.html）的LaMDA是Google Research于2017年发明并开源的神经网络架构。和其他BERT和GPT-3等大语言模型类似，LaMDA是在TB级的文本数据的基础上训练出来的。它能够了解单词之间的关系，进而预测接下来可能出现的单词。

然而，与大多数语言模型不同的是，LaMDA经历了对话训练，因此能够捕捉到，将开放式对话与其他语言形式区分开来的细微差别。

同时，该模型也通过微调来提高其反应的敏感性、安全性和特殊性。例如，虽然像“那很好（That's nice）”和“我不知道（I don 't know）”之类的短语，在许多对话场景中可能有不同的含义，但是它们不太可能会导致后续有趣对话的发生。

通常，LaMDA生成器首先会生成几个候选的响应，然后根据它们的安全性、敏感性、特殊性、以及有趣程度，对其进行评分。其中，安全得分较低的响应会被过滤掉。最终，生成器会选择排名靠前的结果作为响应。

3、结果

一系列定性评估证实，LaMDA可以参与各种主题的开放式对话。该模型的反应不但是明智的、具体的、有趣的，并且能够基于可靠的外部来源进行适当修改。

尽管到目前为止该模型已取得了大幅进展，但是许多文字工作者也认识到该模型仍然存在许多局限性，可能导致产生不适当、甚至有害的响应内容。

4、在哪里可以了解更多关于这项研究的信息？

研究论文：《LaMDA：对话式应用语言模型》（https://arxiv.org/abs/2201.08239）

Google Research团队的博客文章：

《LaMDA：迈向安全、真实、高质量的对话模型》（http://ai.googleblog.com/2022/01/lamda-towards-safe-grounded-and-high.html）

《LaMDA：我们的突破性对话技术》（https://blog.google/technology/ai/lamda/）

《通过语言理解世界》（https://blog.google/technology/ai/understanding-the-world-through-language/）

5、在哪里可以获得实现代码？

我们可以在GitHub的链：https://github.com/conceptofmind/LaMDA-rlhf-pytorch处，找到用于LaMDA预训练架构的开源式PyTorch实现。

四、Google的PaLM

Pathways Language Model（PaLM）是一个包含了540亿个参数的基于Transformer的语言模型。它使用Pathways在6144个TPU v4芯片上进行训练。这是一种新的机器学习系统，可在多个TPU Pod上进行高效训练。该模型展示了在小样本学习中扩展的好处，能够在数百种语言理解和生成基准上，产生最先进的结果。PaLM在多步推理任务上优于经过微调的先进模型，而且在BIG基准测试中的表现，也超过了人类的平均水平。

1、目标

提高大语言模型规模对于如何影响小样本学习的理解。

2、如何处理

该模型的关键思想是使用Pathways系统，来扩展具有540亿个参数语言模型的训练：

其开发团队在两个Cloud TPU v4 Pod中使用Pod级别的数据并行性，同时在每个Pod中使用到了标准数据和模型的并行性。

他们能够将训练扩展到6144个TPU v4芯片中，这是迄今为止用于训练的最大基于TPU的系统配置。

该模型实现了57.8%的硬件FLOP利用率的训练效率，这也是迄今为止大语言模型能够达到的最高训练效率。

PaLM模型的训练数据包括了英语、以及多语言数据集组合，其中不乏高质量的Web文档、书籍、维基百科、对话、以及GitHub代码。

3、结果

大量实验表明，随着团队扩展到更大的模型，该模型的性能会急剧上升。目前，PaLM 540B在多项困难任务中，都达到了突破性的性能。例如：

语言理解和生成。被引入的模型可以在29种任务中的28个上超过了之前大模型的小样本性能。其中包括：问答任务、完形填空、句子完成、上下文阅读理解、常识推理、以及SuperGLUE（译者注：一种基于图卷积神经网络的特征匹配算法）等任务。PaLM在大基准任务上的表现，展示了它可以区分因果关系，并在适当的上下文中理解概念的组合。

推理。通过8-shot（样本）的提示，PaLM解决了GSM8K中58%的问题。这是数千个具有挑战性的小学水平数学问题的基准。它超过了之前通过微调GPT-3 175B模型获得的55%的最高分。PaLM还展示了在需要多步逻辑推理、世界知识、以及深入语言理解等复杂组合的情况下，生成显式解释的能力。

代码生成。PaLM的性能与经过微调的Codex 12B相当，同时它所使用的Python代码减少了50倍。这证实了大语言模型可以更有效地从其他编程语言、以及自然语言数据中转移学习。

4、在哪里可以了解更多关于这项研究的信息？

研究论文：《PaLM，使用路径扩展语言建模》（https://arxiv.org/abs/2204.02311）

博客文章：《Pathways Language Model（PaLM）：Google Research扩展到540亿个参数，以实现突破性性能》（https://ai.googleblog.com/2022/04/pathways-language-model-palm-scaling-to.html）

5、在哪里可以获得实现代码？

PaLM研究论文中有关特定Transformer架构的非官方PyTorch实现，可在GitHub的链接--https://github.com/lucidrains/PaLM-pytorch处获得。不过，它不会扩展，仅出于教育目的而发布。

五、Meta AI的LLaMA

Meta AI团队曾断言，在更多token上训练较小的模型，更容易针对特定产品的应用，进行重新训练和微调。因此，他们引入了LLaMA（Large Language Model Meta AI），这是一组具有7B到65B参数的基础语言模型。LLaMA 33B和65B在1.4万亿个token上进行了训练，而最小的模型LLaMA 7B则在13万亿个token上进行了训练。他们只使用公开可用的数据集，而不依赖于专有或受限的数据。该团队还实施了关键的架构增强和训练速度的优化技术。总之，LLaMA-3B的性能优于GPT-10，体积小了65倍以上，而LLaMA-65B则表现出与PaLM-540B相仿的性能。

1、目标

证明了不依赖于专有或受限的数据源，仅在可公开访问的数据集上，训练性能最佳模型的可行性。

为研究界提供更小、性能更高的模型，从而使那些无法访问大量基础设施的人能够研究大语言模型。

2、如何处理

为了训练LLaMA模型，研究人员只使用公开可用的数据，并与开源相兼容。同时，他们还对标准的Transformer架构进行了一些改进：

采用GPT-3方法，通过规范化每个Transformer子层的输入，而不是归一化输出，来增强训练的稳定性。

受到了PaLM模型的启发，研究人员用SwiGLU激活函数，取代了ReLU非线性，以提高性能。

受到了Su等人（2021，https://arxiv.org/abs/2104.09864）的启发，他们消除了绝对位置的嵌入，而是在网络的每一层都加入了旋转位置的嵌入（rotary positional embeddings，RoPE）。

最后，Meta AI团队通过如下方式提高了模型的训练速度：

避免存储注意力权重（storing attention weights）或计算屏蔽的键/查

评分（computing masked key/query scores），而使用高效的因果多头注意力（multi-head attention implementation）的实现。在向后传递期间，使用检查点最大程度地减少了各种重新计算的激活。

重叠性的激活计算和GPU之间通过网络进行通信。

3、结果

尽管减小了3倍以上，但是LLaMA-13B仍然超过了GPT-10，而LLaMA-65B仍然相对PaLM-540B具有竞争力。

4、在哪里可以了解更多关于这项研究的信息？

研究论文：《LLaMA，开放高效的基础语言模型》（https://arxiv.org/abs/2302.13971）

博客文章：《Meta AI的基础性65亿参数大语言模型--LLaMA的介绍》（https://ai.facebook.com/blog/large-language-model-llama-meta-ai/）

5、在哪里可以获得实现代码？

Meta AI在个案评估的基础上，为学术研究人员、政府、民间组织、学术机构、以及全球行业研究实验室相关的个人，提供了对于LLaMA的访问。您可以通过GitHub存储库的链接：https://github.com/facebookresearch/llama进行申请。

六、OpenAI的GPT-4

GPT-4是一种大规模的多态模型，可以接受图像和文本的输入，并生成文本输出。出于竞争和安全的考虑，其相关模型架构和训练的具体细节被隐匿了。在性能方面，GPT-4在传统基准测试上已超越了以前的语言模型，并在用户意图理解和安全属性方面表现出了显著改进。同时，该模型还在各种考试中达到了人类水平的表现能力，例如，在模拟统一律师考试中，就取得了前10%的分数。

1、目标

开发一种可以接受图像和文本输入，并产生文本输出的大规模多态模型。

开发在各种规模上可预测的基础设施和优化方法。

2、如何处理

鉴于竞争格局和安全影响，OpenAI决定隐瞒有关架构、模型大小、硬件、训练计算、数据集构建、以及训练方法等详细信息，仅透露了：

GPT-4是基于Transformer的模型，经过了预先训练，可预测文档中的下一个token。

它利用公开可用的数据和第三方许可的数据。

该模型使用来自人类反馈的强化学习（Reinforcement Learning from Human Feedback，RLHF）进行微调。

3、结果

GPT-4在大多数专业和学术考试中，都达到了人类水平的表现能力，尤其是在模拟统一律师考试中，就取得了前10%的分数。

在传统的NLP基准测试上，预先训练的基础GPT-4模型优于现有的语言模型和先前最先进的系统，且无需针对特定于基准的制作、或额外的训练协议。

在遵循用户意图方面，GPT-4表现出了实质性的改进，在来自ChatGPT和OpenAI API的5214项提示中，它的响应比GPT-3.5的响应高出70.2%。

与GPT-3.5相比，GPT-4的安全性得到了明显增强，特别是在响应违禁内容的请求时，明显下降了82%；而在对于医疗建议和自我伤害等敏感请求的策略上，则增加了29%。

4、在哪里可以了解更多关于这项研究的信息？

研究论文：《OpenAI的GPT-4技术报告》（https://arxiv.org/abs/2303.08774）

博客文章：《OpenAI的GPT-4》（https://openai.com/research/gpt-4）

5、在哪里可以获得实现代码？

目前，仍无法获悉GPT-4的代码实现。

七、大语言模型的实际应用

近年来最重要的AI研究突破，主要来自在庞大的数据集上训练的大语言模型。这些模型展示了卓越的性能，并将对诸如：客服、营销、电子商务、医疗保健、软件开发、以及新闻业等领域，带来彻底的改变。在大语言模型的广泛应用中，我们以GPT-4为例，其典型应用场景包括：

以聊天机器人和虚拟助手为互动形式的自然语言理解和生成。

不同语言之间的机器翻译。

产生文章、报告或其他文本文档的摘要。

可用于市场研究或社交媒体的情绪监控与分析。

可用于营销、社交媒体或创意类写作的内容生成。

可用于客户支持或知识库的问答系统。

提供垃圾邮件筛选、主题分类或文档组织的文本分类。

提供个性化的语言学习和辅导工具。

支持代码生成和软件开发协助。

协助医疗、法律和技术文件的分析和协助。

适用于残障人士的功能辅助工具，例如文本与语音之间的相互转换。

语音识别和转录服务。

八、风险和限制

当然，在现实生活中部署此类模型之前，我们需要考虑由此产生的相应风险和限制。有趣的是，如果您向GPT-4询问其风险和局限性，它可能会为您提供一长串相关考虑。在此基础上，我进行了按需筛选和添加，并为您列出了如下大语言模型的关键风险和限制：

偏见和歧视：大语言模型需要从大量的文本数据中学习，而这些数据很可能包含了偏见和歧视性内容。因此，由此生成的输出，也可能会在无意中延续了刻板印象、冒犯性语言、以及基于性别、种族或宗教等因素的歧视。

错误信息：大语言模型可能会生成事实上不正确、具有误导性或过时的内容。虽然这些模型在各种来源上已进行了训练，但它们可能并不总是提供最准确或最新的信息。发生这种情况，通常源于模型会优先考虑生成语法的正确性，或是看起来一致的输出，即使它们具有一定的误导性。

缺乏理解：尽管这些模型似乎能够理解人类语言，但它们主要是通过识别训练数据中的模式和关联统计来实现的。它们本身对于自己生成的内容，并没有深刻的理解，这有时会导致无意义的、或不相关的输出。

不当内容：虽然开发者努力减少大语言模型生成冒犯性、有害或不适当的内容，但是由于训练数据的性质、以及模型无法识别上下文或用户意图，因此此类情况仍有发生的可能。

九、小结

综上所述，大语言模型能够生成类似人类的文本、自动执行的日常任务、以及在创意和分析过程中提供各项帮助。这使得它们已成为了如今快节奏的、技术驱动的世界中，不可或缺的工具。它们不但彻底改变了自然语言处理领域，并且在提高各类角色和行业的生产力方面，显示出了巨大的潜力。

当然，正如上文提到的，鉴于大模型的相关局限性与风险，以及可能出现的偏见、错误、甚至是恶意使用等问题也不容忽视。随着我们持续将AI驱动的技术，整合到日常生活中，必须在利用其能力和确保人类监管之间取得平衡。我们只有负责任地去谨慎采用生成式人工智能技术，才能为人类更美好的未来铺平道路。

审核编辑 ：李倩