繼Windows Copilot發布后，微軟Build大會熱度又被一場演講引爆。
前特斯拉AI總監Andrej Karpathy在演講中認為思維樹（tree of thoughts）與AlphaGo的蒙特卡洛樹搜索（MCTS）有異曲同工之妙！
網友高呼：這是關于如何使用大語言模型和GPT-4模型的最詳盡有趣的指南！
此外Karpathy透露，由于訓練和數據的擴展，LLAMA 65B“明顯比GPT-3 175B更強大”，并介紹了大模型匿名競技場ChatBot Arena：
Claude得分介于ChatGPT 3.5和ChatGPT 4之間。
網友表示，Karpathy的演講一向很棒，而這次的內容也一如既往沒有令大家失望。
隨著演講而爆火的，還有推特網友根據演講整理的一份筆記，足足有31條，目前轉贊量已超過3000+：
所以，這段備受關注的演講，具體提到了哪些內容呢？
如何訓練GPT助手？
Karpathy這次的演講主要分為兩個部分。
第一部分，他講了如何訓練一個“GPT助手”。
Karpathy主要講述了AI助手的四個訓練階段：
預訓練（pre-training）、監督微調（supervised fine tuning）、獎勵建模（reward modeling）和強化學習（reinforcement learning）。
每一個階段都需要一個數據集。
在預訓練階段，需要動用大量的計算資源，收集大量的數據集。在大量無監督的數據集上訓練出一個基礎模型。
Karpathy用了更多例子作補充：
接下來進入微調階段。
使用較小的有監督數據集，通過監督學習對這個基礎模型進行微調，就能創建一個能夠回答問題的助手模型。
他還展示了一些模型的進化過程，相信很多人之前已經看過上面這張“進化樹”的圖了。
Karpathy認為目前最好的開源模型是Meta的LLaMA系列（因為OpenAI沒有開源任何關于GPT-4的內容）。
在這里需要明確指出的是，基礎模型不是助手模型。
雖然基礎模型可以回答問題，但它所給出的回答并不可靠，可用于回答問題的是助手模型。在基礎模型上進行訓練的助手模型，通過監督微調，在生成回復和理解文本結構方面的表現將優于基礎模型。
在訓練語言模型時，強化學習是另一個關鍵的過程。
通過用人工標記的高質量的數據進行訓練，可以使用獎勵建模來創建一個損失函數，以改善其性能。然后，通過增加正向的標記，并降低負面標記的概率，來進行強化訓練。
而在具有創造性的任務中，利用人類的判斷力對于改進AI模型至關重要，加入人類的反饋可以更有效地訓練模型。
經過人類反饋的強化學習后，就可以得到一個RLHF模型了。
模型訓練好了，接下來就是如何有效利用這些模型解決問題了。
如何更好地使用模型？
在第二部分，Karpathy主要討論了提示策略、微調、快速發展的工具生態系統以及未來的擴展等問題。
Karpathy又給出了具體示例來說明：
當我們在寫文章時候，我們會進行很多的心理活動，需要考慮自己的表述是否正確。而對于GPT來說，這只是一個序列標記（a sequence of tokens）。
而提示（prompt）可以彌補這種認知差異。
Karpathy進一步解釋了思維鏈提示的工作方式。
對于推理問題，要想讓自然語言處理中Transformer的表現更好，需要讓它一步一步地處理信息，而不能直接拋給它一個非常復雜的問題。
如果你給它幾個例子，它會模仿這個例子的模版，最終生成的結果會更好。
模型只能按照它的序列來回答問題，如果它生成的內容是錯誤的，你可以進行提示，讓它重新生成。
如果你不要求它檢查，它自己是不會檢查的。
這就涉及到了System1和System2的問題。
諾貝爾經濟學獎得主丹尼爾卡尼曼在《思考快與慢》中提出，人的認知系統包含System1和System2兩個子系統。System1主要靠直覺，而System2是邏輯分析系統。
通俗來說，System1是一個快速自動生成的過程，而System2是經過深思熟慮的部分。
這在最近一篇挺火的論文“Tree of thought”（思維樹）中也有被提及。
深思熟慮指的是，不是簡單的給出問題的答案，而更像是與Python膠水代碼一起使用的prompt，將許多prompt串聯在一起。模型必須要維護多個提示，還必須要執行一些樹搜索算法，來找出要擴展的提示。
Karpathy認為這種思路與AlphaGo非常相似：
AlphaGo在下圍棋時，需要考慮下一枚棋子下在哪里。最初它是靠模仿人類來學習的。
但除此之外，它還進行了蒙特卡洛樹搜索，可以得到具有多種可能性的策略。它可以對多種可能的下法進行評估，僅保留那些較好的策略。我認為這在某種程度上相當于AlphaGo。
對此，Karpathy還提到了AutoGPT：
我認為目前它的效果還不是很好，我不建議大家進行實際應用。我只是認為，隨著時間的推移，我們或許可以從它的發展思路中汲取靈感。
其次，還有一個小妙招是檢索增強生成（retrieval agumented generation）和有效提示。
窗口上下文的內容就是transformers在運行時的記憶（working memory），如果你可以將與任務相關的信息加入到上下文中，那么它的表現就會非常好，因為它可以立即訪問這些信息。
簡而言之，就是可以為相關數據建立索引讓模型可以高效訪問。
如果Transformers也有可參考的主要文件，它的表現會更好。
最后，Karpathy簡單講了一下在大語言模型中的約束提示（Constraint prompting）和微調。
可以通過約束提示和微調來改進大語言模型。約束提示在大語言模型的輸出中強制執行模板，而微調則調整模型的權重以提高性能。
我建議在低風險的應用中使用大語言模型，始終將它們與人工監督相結合，將它們看作是靈感和建議的來源，考慮copilots而不是讓它們完全自主代理。
關于Andrej Karpathy
Andrej Karpathy博士畢業后的第一份工作，是在OpenAI研究計算機視覺。
后來OpenAI聯合創始人之一的馬斯克看上了Karpathy，把人挖到了特斯拉。但也因為這件事，馬斯克和OpenAI徹底鬧翻，最后還被踢出局。在特斯拉，Karpathy是Autopilot、FSD等項目的負責人。
今年二月份，在離開特斯拉7個月后，Karpathy再次加入了OpenAI。
最近他發推特表示，目前對開源大語言模型生態系統的發展饒有興趣，有點像早期寒武紀爆發的跡象。
責任編輯 :
[聲明]本網轉載的作品目的在于傳遞更多信息，此稿件并不代表本網的觀點，本網不承擔此類稿件侵權行為的連帶責任。如果你認為此類稿件侵犯了您的合法權益，請將相關資質證明發送至mingyou360kf@sina.com，名優資源網工作人員會及時回復并處理！
