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。