（图片来源网络，侵删）
·MOSS系统负责人邱锡鹏表示，最新的MOSS已经能够在中文能力上超过ChatGPT，可以通过使用工具来为用户提供帮助，并在预防“有害道德”方面做了很多优化·邱锡鹏认为，通用大模型除了算力需求大以外，目前依然在可信性、安全性、逻辑性等方面存在许多挑战，里面有非常多的科学问题并没有被解决，这些都需要高校研究团队进行重大科研攻关复旦大学计算机科学技术学院教授、MOSS系统负责人邱锡鹏7月7日在2023世界人工智能大会发表演讲7月7日，在2023世界人工智能大会“大模型时代的通用人工智能产业发展机遇以及风险”论坛上，复旦大学计算机科学技术学院教授、MOSS系统负责人邱锡鹏表示，国内首个对话式大型语言模型MOSS在今年2月发布后，还在连续不停地迭代，“最新的MOSS已经能够在中文能力上超过ChatGPT”邱锡鹏在演讲中表示，目前MOSS可以通过使用工具来为用户提供帮助例如MOSS本身不会绘画，但它可以调用文字生成图片的插件来达到效果而对于算数运算，MOSS也可以调用计算器和解方程器来完成复杂的数学解题如果向MOSS询问原有知识库里没有的实时信息，MOSS可以调用搜索引擎，根据反馈的结果进一步回答，例如每天抓取新闻，为用户汇总新闻链接与内容邱锡鹏透露，MOSS发布后，团队把一部分精力放在如何打通使用工具的能力，并在4月推出了开源插件版的模型MOSS-Plugin“作为模型和外界交互的一种非常重要的方式，插件能力在未来是非常重要的”他说值得一提的是，MOSS在预防“有害道德”方面也做了很多优化“对于违背道德的问题，MOSS会避免回答，我们通过优化让MOSS具有非常强的道德感”邱锡鹏同时表示，MOSS还可以进行角色扮演，实现个性化上的优化此外，邱锡鹏表示，现在所谓的大型语言模型成本高，主要是集中在第一阶段，即预训练（Pretraining）“我们的大模型不是大公司才能玩得起，以后高校、普通爱好者和学生都可以玩大模型” 邱锡鹏指出，后面阶段的成本相对来说并不是特别高，例如预训练后的监督微调、迭代优化、推理部署、模型评测等阶段但这些阶段才是真正的挑战，“前面的预训练阶段并不适合所有人来研究，但是后面有非常多的科学问题需要我们进一步研究”大模型仅仅只是工程问题，高校和学术团体做大模型没有意义？邱锡鹏并不这么认为公司投入金钱与工程师来推进工程的确重要，但大模型如果仅仅靠公司是没办法真正做好的“大模型里有非常多的科学问题需要广大研究者参与如果离开了学术团队，大模型可能会缺少非常多的理论和技术支撑”邱锡鹏进一步指出，“通用大模型除了算力需求大以外，目前依然在可信性、安全性、逻辑性等方面存在许多挑战，这里面有非常多的科学问题并没有被解决，比如智能如何涌现、复杂推理如何实现、高效架构、学习策略，以及如何做更好的知识融合，这些都需要高校研究团队进行重大科研攻关”复旦团队将围绕MOSS持续开展大模型其他方面的研究，包括能力强化、知识对齐、模态融合和开源开放，进一步迈向通用人工智能邱锡鹏在论坛中还介绍了正在建设中的开源语言模型平台OpenLMLab，该平台的下层将对接国产通用框架和预训练模型库，而上层会面向大模型生态方面的应用据介绍，OpenLMLab集对话模型、模型微调、模型对比和模型评测等领域于一体MOSS是该开源平台的对话模型，而COLLiE是模型微调的工具库，将来会进行强化学习迭代此外，该平台支持AI生成文本检测软件Sniffer和快速对比多个对话大模型效果的工具ChatZoo邱锡鹏在演讲结尾还介绍了一款名为Gaokao的工具，基于高考题目进行模型评测“我们认为，现在有许多大模型的榜单都不太全面或权威，然而人类的考试是非常全面和权威的，例如高考基于它，我们可以评测各种大模型的能力高考的题目还有另一个好处，由于每年高考题目都会更新，基本上大模型不太会存在刷题的嫌疑，因此每年都可以有新题目来比较不同的大模型”
0 评论