【天天新視野】商湯與上海AI實(shí)驗(yàn)室等發(fā)布“書生·浦語(yǔ)”大模型

（CWW）近日，商湯科技、上海AI實(shí)驗(yàn)室聯(lián)合香港中文大學(xué)、復(fù)旦大學(xué)及上海交通大學(xué)發(fā)布千億級(jí)參數(shù)大語(yǔ)言模型“書生·浦語(yǔ)”（InternLM）。

“書生·浦語(yǔ)”具有1040億參數(shù)，是在包含1.6萬(wàn)億token的多語(yǔ)種高質(zhì)量數(shù)據(jù)集上訓(xùn)練而成。

全面評(píng)測(cè)結(jié)果顯示，“書生·浦語(yǔ)”不僅在知識(shí)掌握、閱讀理解、數(shù)學(xué)推理、多語(yǔ)翻譯等多個(gè)測(cè)試任務(wù)上表現(xiàn)優(yōu)秀，而且具備很強(qiáng)的綜合能力，因而在綜合性考試中表現(xiàn)突出，在多項(xiàng)中文考試中取得超越ChatGPT的成績(jī)，其中就包括中國(guó)高考各個(gè)科目的數(shù)據(jù)集（GaoKao）。

(資料圖)

“書生·浦語(yǔ)”聯(lián)合團(tuán)隊(duì)選取了20余項(xiàng)評(píng)測(cè)對(duì)其進(jìn)行檢驗(yàn)，其中包含全球最具影響力的四個(gè)綜合性考試評(píng)測(cè)集：

由伯克利加州大學(xué)等高校構(gòu)建的多任務(wù)考試評(píng)測(cè)集MMLU；

微軟研究院推出的學(xué)科考試評(píng)測(cè)集AGIEval（含中國(guó)高考、司法考試及美國(guó)SAT、LSAT、GRE和GMAT等）；

由上海交通大學(xué)、清華大學(xué)和愛丁堡大學(xué)合作構(gòu)建的面向中文語(yǔ)言模型的綜合性考試評(píng)測(cè)集C-Eval；

以及由復(fù)旦大學(xué)研究團(tuán)隊(duì)構(gòu)建的高考題目評(píng)測(cè)集Gaokao；

實(shí)驗(yàn)室聯(lián)合團(tuán)隊(duì)對(duì)“書生·浦語(yǔ)”、GLM-130B、LLaMA-65B、ChatGPT和 GPT-4進(jìn)行了全面測(cè)試，針對(duì)上述四個(gè)評(píng)測(cè)集的成績(jī)對(duì)比如下（滿分100分）。

“書生·浦語(yǔ)”不僅顯著超越了GLM-130B和LLaMA-65B等學(xué)術(shù)開源模型，還在AGIEval、C-Eval，以及Gaokao等多個(gè)綜合性考試中領(lǐng)先于ChatGPT；在以美國(guó)考試為主的MMLU上實(shí)現(xiàn)和ChatGPT持平。這些綜合性考試的成績(jī)反映出“書生·浦語(yǔ)”扎實(shí)的知識(shí)掌握程度和優(yōu)秀的綜合能力。

雖然 “書生·浦語(yǔ)”在考試評(píng)測(cè)上取得優(yōu)秀成績(jī)，但在測(cè)評(píng)中也可以看到，大語(yǔ)言模型仍然存在不少能力局限性?！皶て终Z(yǔ)” 受限于2K的語(yǔ)境窗口長(zhǎng)度（GPT-4的語(yǔ)境窗口長(zhǎng)度為32K），在長(zhǎng)文理解、復(fù)雜推理、撰寫代碼以及數(shù)理邏輯演繹等方面還存在明顯局限。另外，在實(shí)際對(duì)話中，大語(yǔ)言模型還普遍存在幻覺、概念混淆等問題。這些局限使得大語(yǔ)言模型在開放場(chǎng)景中的使用還有很長(zhǎng)的路要走。

關(guān)鍵詞：