继Windows Copilot发布后，微软Build大会热度又被一场演讲引爆。
前特斯拉AI总监Andrej Karpathy在演讲中认为思维树（tree of thoughts）与AlphaGo的蒙特卡洛树搜索（MCTS）有异曲同工之妙！
网友高呼：这是关于如何使用大语言模型和GPT-4模型的最详尽有趣的指南！
此外Karpathy透露，由于训练和数据的扩展，LLAMA 65B“明显比GPT-3 175B更强大”，并介绍了大模型匿名竞技场ChatBot Arena:
Claude得分介于ChatGPT 3.5和ChatGPT 4之间。
网友表示，Karpathy的演讲一向很棒，而这次的内容也一如既往没有令大家失望。
随着演讲而爆火的，还有推特网友根据演讲整理的一份笔记，足足有31条，目前转赞量已超过3000+：
所以，这段备受关注的演讲，具体提到了哪些内容呢？
Karpathy这次的演讲主要分为两个部分。
第一部分，他讲了如何训练一个“GPT助手”。
Karpathy主要讲述了AI助手的四个训练阶段：
预训练（pre-training）、监督微调（supervised fine tuning）、奖励建模（reward modeling）和强化学习（reinforcement learning）。
每一个阶段都需要一个数据集。
在预训练阶段，需要动用大量的计算资源，收集大量的数据集。在大量无监督的数据集上训练出一个基础模型。
Karpathy用了更多例子作补充：
接下来进入微调阶段。
使用较小的有监督数据集，通过监督学习对这个基础模型进行微调，就能创建一个能够回答问题的助手模型。
他还展示了一些模型的进化过程，相信很多人之前已经看过上面这张“进化树”的图了。
Karpathy认为目前最好的开源模型是Meta的LLaMA系列（因为OpenAI没有开源任何关于GPT-4的内容）。
在这里需要明确指出的是，基础模型不是助手模型。
尽管基础模型有解决问题的能力，但其给出的答案并不可信，而助手模型能够提供可靠的答案。经过监督微调的助手模型，在基础模型的基础上训练，其生成回复和理解文本结构的表现将优于基础模型。
在训练语言模型时，强化学习是另一个关键的过程。
训练过程中采用高质量的人工标注数据，并以奖励建模的方式创建损失函数，从而提高其性能。强化训练可以通过增加积极标记和降低消极标记的概率来实现。
在涉及到创造性任务时，人类的判断力对于改进AI模型至关重要，通过加入人类的反馈可以更有效地训练模型。
经过人类反馈的强化学习后，就可以得到一个RLHF模型了。
模型训练好了，接下来就是如何有效利用这些模型解决问题了。
在第二部分，Karpathy主要讨论了提示策略、微调、快速发展的工具生态系统以及未来的扩展等问题。
Karpathy又给出了具体示例来说明：
在写作时，我们需要进行很多心理活动，包括考虑自己的表达是否准确。For GPT, this is merely a sequence of tokens being tagged.。
而提示（prompt）可以弥补这种认知差异。
Karpathy进一步解释了思维链提示的工作方式。
对于推理问题，要想让自然语言处理中Transformer的表现更好，需要让它一步一步地处理信息，而不能直接抛给它一个非常复杂的问题。
如果你给它几个例子，它会模仿这个例子的模版，最终生成的结果会更好。
模型只能按照它的序列来回答问题，如果它生成的内容是错误的，你可以进行提示，让它重新生成。
如果你不要求它检查，它自己是不会检查的。
这就涉及到了System1和System2的问题。
诺贝尔经济学奖得主丹尼尔卡尼曼在《思考快与慢》中提出，人的认知系统包含System1和System2两个子系统。System1主要靠直觉，而System2是逻辑分析系统。
通俗来说，System1是一个快速自动生成的过程，而System2是经过深思熟虑的部分。
这在最近一篇挺火的论文“Tree of thought”（思维树）中也有被提及。
深思熟虑指的是，不是简单的给出问题的答案，而更像是与Python胶水代码一起使用的prompt，将许多prompt串联在一起。为了扩展提示，模型需要维护多个提示并执行树搜索算法。
Karpathy认为这种思路与AlphaGo非常相似：
AlphaGo在下围棋时，需要考虑下一枚棋子下在哪里。最初它是靠模仿人类来学习的。
除此之外，它还实施了蒙特卡洛树搜索，以获取具有多种潜在策略的结果。它可以对多种可能的下法进行评估，仅保留那些较好的策略。我认为这在某种程度上相当于AlphaGo。
对此，Karpathy还提到了AutoGPT：
我认为目前它的效果还不是很好，我不建议大家进行实际应用。我认为随着时间的推移，我们或许可以从它的发展历程中吸取启示。
其次，还有一个小妙招是检索增强生成（retrieval agumented generation）和有效提示。
窗口上下文的内容就是transformers在运行时的记忆（working memory），如果你可以将与任务相关的信息加入到上下文中，那么它的表现就会非常好，因为它可以立即访问这些信息。
简而言之，就是可以为相关数据建立索引让模型可以高效访问。
如果Transformers也有可参考的主要文件，它的表现会更好。
最后，Karpathy简单讲了一下在大语言模型中的约束提示（Constraint prompting）和微调。
可以通过约束提示和微调来改进大语言模型。约束提示在大语言模型的输出中强制执行模板，而微调则调整模型的权重以提高性能。
我建议在低风险的应用中使用大语言模型，始终将它们与人工监督相结合，将它们看作是灵感和建议的来源，考虑copilots而不是让它们完全自主代理。
Andrej Karpathy博士毕业后的第一份工作，是在OpenAI研究计算机视觉。
后来OpenAI联合创始人之一的马斯克看上了Karpathy，把人挖到了特斯拉。马斯克和OpenAI因此事不和，最终马斯克被排除在外。Karpathy负责特斯拉公司的Autopilot、FSD等项目。
今年二月份，在离开特斯拉7个月后，Karpathy再次加入了OpenAI。
最近他发推特表示，目前对开源大语言模型生态系统的发展饶有兴趣，有点像早期寒武纪爆发的迹象。
传送门：
[1]https://www.youtube.com/watch?v=xO73EUwSegU（演讲视频）
[2]https://arxiv.org/pdf/2305.10601.pdf（“Tree of thought”论文）
参考链接：
[1]https://twitter.com/altryne/status/1661236778458832896
[2]https://www.reddit.com/r/MachineLearning/comments/13qrtek/n_state_of_gpt_by_andrej_karpathy_in_msbuild_2023/
[3]https://www.wisdominanutshell.academy/state-of-gpt/
以上是GPT现状终于有人讲清楚了！OpenAI大牛最新演讲爆火，还得是马斯克钦点的天才的详细内容。更多信息请关注PHP中文网其他相关文章！
