撰文：Tanya Malhotra
来源：Marktechpost
编译：DeFi 之道
图片来源：由无界版图AI工具生成
随着生成性人工智能在过去几个月的巨大成功，大型语言模型（LLM）正在不断改进。这些模型正在为一些值得注意的经济和社会转型做出贡献。OpenAI 开发的 ChatGPT 是一个自然语言处理模型，允许用户生成有意义的文本。不仅如此，它还可以回答问题，总结长段落，编写代码和电子邮件等。其他语言模型，如 Pathways 语言模型（PaLM）、Chinchilla 等，在模仿人类方面也有很好的表现。
意大利隐私监管机构将与OpenAI代表会面，讨论ChatGPT禁令:4月5日消息，意大利隐私监管机构将于当地时间周三与OpenAI代表会面，讨论在该国暂时禁止使用ChatGPT的问题。OpenAI表示，该公司愿意同意大利当局合作，以确保遵守隐私法规。
此前消息，意大利数据保护机构对OpenAI公司非法收集用户信息展开调查。意大利个人数据保护局于3月31日宣布，即日起禁止使用聊天机器人ChatGPT，并限制开发这一平台的美国人工智能公司OpenAI处理意大利用户信息。[2023/4/5 13:45:41]
大型语言模型使用强化学习（reinforcement learning，RL）来进行微调。强化学习是一种基于奖励系统的反馈驱动的机器学习方法。代理（agent）通过完成某些任务并观察这些行动的结果来学习在一个环境中的表现。代理在很好地完成一个任务后会得到积极的反馈，而完成地不好则会有相应的惩罚。像 ChatGPT 这样的 LLM 表现出的卓越性能都要归功于强化学习。
Dogechain推出去中心化治理平台Dogegress:9月21日消息，Dogechain宣布推出用于Dogechain项目的专用去中心化治理平台Dogegress，使Dogechain核心团队能够就各个开发阶段提出治理投票，以及所有项目建设者能够创建自己的提案。
此外，Dogegress将支持在Dogechain主网上运行的所有代币，为生态系统参与者的项目提供一个包容性的治理平台。[2022/9/21 7:11:28]
ChatGPT 使用来自人类反馈的强化学习（RLHF），通过最小化偏差对模型进行微调。但为什么不是监督学习（Supervised learning，SL）呢？一个基本的强化学习范式由用于训练模型的标签组成。但是为什么这些标签不能直接用于监督学习方法呢？人工智能和机器学习研究员 Sebastian Raschka 在他的推特上分享了一些原因，即为什么强化学习被用于微调而不是监督学习。
Chair.finance获得Polygon Grant扶持计划及生态支持:据官方消息，去中心化的权益类NFT交易平台Chair.finance正式获得Polygon Grant扶持计划与生态支持。[2021/7/13 0:47:21]
不使用监督学习的第一个原因是，它只预测等级，不会产生连贯的反应；该模型只是学习给与训练集相似的反应打上高分，即使它们是不连贯的。另一方面，RLHF 则被训练来估计产生反应的质量，而不仅仅是排名分数。
链上ChainUP VP Kris Lee：流动性是交易所的核心能力:金色财经报道，9月24日，链上ChainUP三周年峰会于深圳举办，会上链上ChainUP VP Kris Lee演讲表示，为交易市场提供流动性，不仅仅直观表现为成交系统、挂单交易、用户互动等，更多需要考验系统的稳定性，例如在极端情况下是否可以及时成交。需要考验风控管理的能力，盘口质量，定价是否准确，这些是考验交易所的核心能力。[2020/9/24]
Sebastian Raschka 分享了使用监督学习将任务重新表述为一个受限的优化问题的想法。损失函数结合了输出文本损失和奖励分数项。这将使生成的响应和排名的质量更高。但这种方法只有在目标正确产生问题-答案对时才能成功。但是累积奖励对于实现用户和 ChatGPT 之间的连贯对话也是必要的，而监督学习无法提供这种奖励。
不选择 SL 的第三个原因是，它使用交叉熵来优化标记级的损失。虽然在文本段落的标记水平上，改变反应中的个别单词可能对整体损失只有很小的影响，但如果一个单词被否定，产生连贯性对话的复杂任务可能会完全改变上下文。因此，仅仅依靠 SL 是不够的，RLHF 对于考虑整个对话的背景和连贯性是必要的。
监督学习可以用来训练一个模型，但根据经验发现 RLHF 往往表现得更好。2022 年的一篇论文《从人类反馈中学习总结》显示，RLHF 比 SL 表现得更好。原因是 RLHF 考虑了连贯性对话的累积奖励，而 SL 由于其文本段落级的损失函数而未能很好做到这一点。
像 InstructGPT 和 ChatGPT 这样的 LLMs 同时使用监督学习和强化学习。这两者的结合对于实现最佳性能至关重要。在这些模型中，首先使用 SL 对模型进行微调，然后使用 RL 进一步更新。SL 阶段允许模型学习任务的基本结构和内容，而 RLHF 阶段则完善模型的反应以提高准确性。
DeFi之道
个人专栏
阅读更多
金色财经 善欧巴
金色早8点
Odaily星球日报
欧科云链
Arcane Labs
MarsBit
深潮TechFlow
BTCStudy
澎湃新闻
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。