GPT-4变笨加剧,被曝缓存历史回复:一个笑话讲八百遍,让换新的也不听
有网友找到了GPT-4变“笨”的又一证据。
他质疑:
OpenAI会缓存历史回复,让GPT-4直接复述以前生成过的答案。
最明显的例子就是讲笑话。
证据显示,即使他将模型的temperature值调高,GPT-4仍重复同一个“科学家与原子”的回答。
就是那个“为什么科学家不信任原子?因为万物都是由它们编造/构造(make up)出来的”的冷笑话。
在此,按理说temperature值越大,模型越容易生成一些意想不到的词,不该重复同一个笑话了。
不止如此,即使咱们不动参数,换一个措辞,强调让它讲一个新的、不同的笑话,也无济于事。
发现者表示:
这说明GPT-4不仅使用缓存,还是聚类查询而非精准匹配某个提问。
这样的好处不言而喻,回复速度可以更快。
不过既然高价买了会员,享受的只是这样的缓存检索服务,谁心里也不爽。
还有人看完后的心情是:
如果真这样的话,我们一直用GPT-4来评价其他大模型的回答是不是不太公平?
当然,也有人不认为这是外部缓存的结果,可能模型本身答案的重复性就有这么高:
此前已有研究表明ChatGPT在讲笑话时,90%的情况下都会重复同样的25个。
具体怎么说?
证据实锤GPT-4用缓存回复
不仅是忽略temperature值,这位网友还发现:
更改模型的top_p值也没用,GPT-4就跟那一个笑话干上了。
(top_p:用来控制模型返回结果的真实性,想要更准确和基于事实的答案就把值调低,想要多样化的答案就调高)
唯一的破解办法是把随机性参数n拉高,这样我们就可以获得“非缓存”的答案,得到一个新笑话。
不过,它的“代价”是回复速度变慢,毕竟生成新内容会带来一定延迟。
值得一提的是,还有人似乎在本地模型上也发现了类似现象。
有人表示:截图中的“prefix-match hit”(前缀匹配命中)似乎可以证明确实是用的缓存。
那么问题就来了,大模型到底是如何缓存我们的聊天信息的呢?
好问题,从开头展现的第二个例子来看,显然是进行了某种“聚类”操作,但具体如何应用于深度多轮对话咱不知道。
姑且不论这个问题,倒是有人看到这里,想起来ChatGPT那句“您的数据存在我们这儿,但一旦聊天结束对话内容就会被删除”的声明,恍然大悟。
这不禁让一些人开始担忧数据安全问题:
这是否意味着我们发起的聊天内容仍然保存在他们的数据库中?
当然,有人分析这个担忧可能过虑了:
也许只是我们的查询embedding和回答缓存被存下来了。
因此,就像发现者本人说的:
缓存这个操作本身我不太担心。
我担心的是OpenAI这样简单粗暴地汇总我们的问题进行回答,毫不关心temperature等设置,直接聚合明显有不同含义的提示,这样影响很不好,可能“废掉”许多(基于GPT-4的)应用。
当然,并不是所有人都同意以上发现能够证明OpenAI真的就是在用缓存回复。
他们的理由是作者采用的案例恰好是讲笑话。
毕竟就在今年6月,两个德国学者测试发现,让ChatGPT随便讲个笑话,1008次结果中有90%的情况下都是同样25个笑话的变体。
像“科学家和原子”这个更是尤其出现频率最高,它讲了119次。
因此也就能理解为什么看起来好像是缓存了之前的回答一样。
因此,有网友也提议用其他类型的问题测一测再看。
不过作者坚持认为,不一定非得换问题,光通过测量延迟时间就能很容易地分辨出是不是缓存了。
最后,我们不妨再从“另一个角度”看这个问题:
GPT-4一直讲一个笑话怎么了?
一直以来,咱们不都是强调要让大模型输出一致、可靠的回答吗?这不,它多听话啊(手动狗头)。
所以,GPT-4究竟有没有缓存,你有观察到类似现象吗?
科大讯飞发布数字员工产品 星火大模型1月30日将发布最新版
1月9日,科大讯飞宣布推出基于星火认知大模型的管理数字员工、营销数字员工和办公数字员工三大产品。管理数字员工产品具备企业招采、合同起草等功能,旨在提升企业运营效率。营销数字员工则将AI技术应用于销售场景,实现识别、角色分离、文本理解、意图表达等能力,助力销售团队提升业绩。办公数字员工则提供主题创作、文本创建等能力,提升办公效率。0000微信“断路”幕后:视频号商业化棋至中局
作为国内社交的领头羊,微信至今已走过十二个年头。在其设计者张小龙的眼中,微信一直是一个“克制”的产品:“微信一直遵循一种好的设计原则,使得我们不会去做很多影响设计美感的事情。”可以说,在移动互联网爆发式增长的前夜,简洁与效率并重使得微信收获了巨大的成功。十二年后的今天,短视频成为承载内容的主要形式,微信也随之推出视频号以挖掘短视频巨大的潜在商业价值。站长网2023-09-05 11:22:570000智谱AI发布中文 LLM 对齐评测基准AlignBench
智谱AI发布了专为中文大语言模型(LLM)而生的对齐评测基准AlignBench,这是目前第一个针对中文大模型的评测基准,能够在多维度上细致评测模型和人类意图的对齐水平。AlignBench的数据集来自于真实的使用场景,经过初步构造、敏感性筛查、参考答案生成和难度筛选等步骤,确保具有真实性和挑战性。数据集分为8个大类,包括知识问答、写作生成、角色扮演等多种类型的问题。站长网2023-12-12 16:39:510000专业团队下场,真的能抓住短剧用户吗?
从“太土了,多来点”到“这么精致,这还是短剧吗”,许多观众发现,短剧内容正在向着精品化“开卷”。2023年,短剧以极快的速度冲进主流市场,并创造出一个个数据神话。从短剧《无双》到《哎呀!皇后娘娘来打工》,一个个爆款短剧助推短剧赛道逐渐火热。艾媒咨询发布的研究报告显示,2023年中国网络微短剧市场规模为373.9亿元,同比增长了268%。0000LeonardoAi推实时涂鸦AI绘画功能
近日,LeonardoAi也推出了实时的涂鸦AI绘画。而且免费无需等待,登录就能玩。LeonardoAi的实时AI绘画功能不仅速度快,还支持随时切换平台内的多种图像模型。用户可以根据自己的需求和创意,灵活选择适合的图像模型进行绘画。体验地址:https://app.leonardo.ai/live-canvas站长网2023-12-06 12:05:220001