| 詳細信息 |
ChatGPT 的未來技術發(fā)展方向 |
| 編輯： 來源：哈爾濱工業(yè)大學自然語言處理研究所 時間：2023/3/30 |
雖然 ChatGPT 目前已經取得了非常喜人的成果，但是未來仍然有諸多 可以研究的方向。 1.訓練過程中 一些謹慎的訓練策略導致模型無法產生本應產生的正確回復；監(jiān)督學 習訓練過程中錯誤的引導導致模型更傾向于生成標注人員所知道的內 容而不是模型真實知道的。 2. ChatGPT 對于輸入措辭比較敏感 3. ChatGPT 生成的回復通常過于冗長，并且存在過度使用某些短語的問 題 4. 無法避免對有害請求作出回復或對問題表現出偏見。 5. ChatGPT 雖然很強大，但是其模型過于龐大使用成本過G，何對模型進行瘦身也是一個未來的發(fā)展方向 6.減少人類反饋信息的 RLAIF 也是近被提出的一個全新的觀點。
|
| 【聲明：轉載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述，文章內容僅供參考，如有侵權，請聯系刪除�！� |
| 推薦信息 |
|
ChatGPT 插件發(fā)布帶來的十大關注點
定義大模型的toC平臺商業(yè)模式;開放 API 標準;未來應用內又可反向嵌入 ChatGPT;知識更新問題被解決;很大程度解決準確性問題
ChatGPT的未來改進方向
ChatGPT雖然對話能力強,但是在數理計算對話中容易出現一本正經胡說八道的情況,ChatGPT很強大,但其模型大小和使用成本也讓很多人望而卻步
ChatGPT的局限有哪些
ChatGPT無法處理復雜冗長或者特別專業(yè)的語言結構;ChatGPT需要非常大量的算力;ChatGPT還沒法在線的把新知識納入其中;ChatGPT仍然是黑盒模型
ChatGPT的訓練過程分為三個階段
訓練獎勵模型通過人工標注訓練數據 (約33K個數據) 來訓練回報模型;采用PPO強化學習來優(yōu)化策略將在線學習轉化為離線學習靠獎勵打分來更新預訓練模型參數
讀文檔解惑：DocsGPT，https://docsgpt.arc53.com/
DocsGPT 提出基于產品的某個版本寫個 xx 示例的要求，讓文檔變成一個更貼近用戶的好文檔，讓 GPT 幫你解答用戶的困惑
看論文：chatgpt-arxiv-extension讀論文的智能小助手
ArxivGPT能幫你讀論文,在一些地方給出注解,這個項目是基于上面的chatgpt-google-extension二次開發(fā)而來,以生成論文的讀后感,提高讀論文的效率
強化搜索：chatgpt-google-extension基于 ChatGPT 強化了 Google
chatgpt-google-extension項目基于 ChatGPT 強化了 Google 搜索能力，它的使用也很簡單，裝個 Chrome 或者 Firefox 插件就能玩了
劃詞翻譯：openai-translator能翻譯潤色文字
openai-translator的翻譯更貼近人類的語言使用習慣,有了 ChatGPT 的加成不僅能翻譯,還能幫你潤色文字,有瀏覽器插件版,還有桌面版本 |
| 智能運輸機器人 |
| AGV無人運輸機器人-料箱版 |
| AGV無人運輸機器人-標準版 |
| AGV無人運輸機器人-料箱版（鈑金材質） |
| AGV無人運輸機器人-貨架版（鈑金材質） |
| AGV無人運輸機器人-貨架版（亮面不銹鋼材質） |
| AGV無人運輸機器人-開放版 |
| 行業(yè)動態(tài) |
