试问百模大战的当下,谁家大模型的透明度最高?
(例如模型是如何构建的、如何工作、用户如何使用它们的相关信息。)
现在,这个问题终于有解了。
因为斯坦福大学HAI等研究机构最新共同发布了一项研究------
专门设计了一个名为基础模型透明度指标(The Foundation Model Transparency Index)的评分系统。
它从100个维度对国外10家主流的大模型做了排名,并在透明度这一层面上做了全面的评估。
结果可谓是大跌眼镜!
若是以60分作为及格线,那么"参赛"的大模型们可以说是全军覆没,没有一个及格的......
来感受下这个feel:
排名第一的Llama 2,分数仅为54;紧随其后的便是BLOOMZ,得分53。
而GPT-4分数仅仅为48,排名第三;来自亚马逊的Titan Text成绩垫底,仅取得12分。
不仅如此,在斯坦福HAI官方的博客中,负责人Rishi Bommasani直言不讳地把OpenAI单拎出来说道:
基础模型领域的公司变得越来越不透明。
例如名字带"open"的OpenAI曾明确表示,与GPT-4相关的大多数信息将不会公开。
总而言之,团队认为大模型发展到现阶段,它们的透明度是一个非常重要的关键点,直接与是否可信挂钩。
而且更深层次的,他们认为这也从侧面反映了人工智能行业从根本上缺乏透明度。
100多页论文研究模型透明度
那么这个排名到底是怎么来的?
在成绩公布的同时,团队也把一篇厚达100多页的论文晒了出来。
正如我们刚才提到的,这次排名一共涉及到了100个指标维度。
若是"归拢归拢"着来看,可以将这些指标大致分为三大类,分别是:
- 上游(Upstream):指构建基础模型所涉及的成分和过程,例如计算资源、数据等;
- 模型(Model):指基础模型的属性和功能,例如体系结构、能力和风险等;
- 下游(Downstream):基础模型是如何分布和使用的,例如对用户的影响、更新内容、控制策略等。
将10大模型此次的成绩,按照上面的三大维度来看,得分细节如下:
从结果上来看,"上游"类指标的得分差异较为明显;例如BLOOMZ的"上游"类指标在整体得分中的占比较高。
而像Jurassic-2、Inflection-1和Titan Text,这三个模型的"上游"类指标得分直接为0。
如果将"上游"、"模型"和"下游"视为三个"顶级域",那么团队在它们基础之上,还分了更精细、更深入的13个"子域":
- 数据(Data)、劳动力(Labor)、计算(Compute);
- 方法(Methods)、模型基础(Model Basicis)、模型访问(Model Access)、功能(Capabilities);
- 风险(Risks)、缓解措施(Mitigations)、分布(Distributions)、使用策略(Usage Policy)、反馈(Feedback)、影响(Impact)。
13个"子域"划分下的细节得分情况如下:
至于完整的100个指标维度,可以参考下面这张图表:
当然,对于大模型领域最具热度话题之一的**"开源闭源之争"**,也在此次的研究中有所涉足。
团队将广泛可下载的模型标记为开源模型,"参赛选手"中有三位属于此列,分别是Llama 2、BLOOMZ和Stable Diffusion 2。
从排名结果中显而易见地可以看出,开源模型的得分普遍遥遥领先,唯有GPT-4的得分比Stable Diffusion 2高出了1分。
对此,研究人员也做出了解释:
这种差异很大程度上是由于闭源模型的开发人员在"上游"问题上缺乏透明度造成的,比如用于构建模型的数据、劳动力和计算。
此次模型透明度排名的更多细节内容,可参考文末的论文。
透明度为什么重要?
针对这个问题,斯坦福HAI在官方博客中也做出了相应说明。
例如在负责人Rishi Bommasani看来:
缺乏透明度,长期以来一直是数字技术消费者面临的一个问题。
在当下的互联网中充斥着诸多这样的问题,例如欺骗性的广告和定价、欺骗用户在不知情的情况下进行网购等等。
MIT博士Shayne Longpre认为,随着大模型越发的火热并且在各行各业中迅速落地,科学家们有必要了解它们是如何设计的,尤其是"上游"的那些指标。
对于产业界来说,亦是如此,决策者们在面对"用哪个大模型、怎么用"等问题时,都需要建立在模型透明度的基础之上。
那么你对于这次大模型的透明度排名有怎样的看法呢?欢迎在评论区留言交流~
论文地址:
crfm.stanford.edu/fmti/fmti.p...
参考链接:
[1]hai.stanford.edu/news/introd...
[3]www.theverge.com/2023/10/18/...
版权所有,未经授权不得以任何形式转载及使用,违者必究。