新知榜官方账号
2023-11-29 06:03:19
最近,LeCun发表了一篇新论文,证明GPT-4回答问题准确率仅为15%,并且提出了一个基准GAIA,用于评估AI系统的基本能力。此举再次掀起了AI大佬们的激战,Hinton在线直接点名LeCun,表示他对AI接管风险的看法对人类的影响微乎其微。然而,LeCun认为大模型显然对其阅读和生成的内容有“一些”理解,但这种理解是非常有限和肤浅的。
GAIA的产生,既是因为需要修订AI基准,也是因为发现了LLM评估的不足之处。研究人员提出的通用人工智能助手的基准——GAIA,包含了466个精心设计的问题和答案,以及相关的设计方法。这些问题对AI系统具有挑战性,大多数需要复杂的代数,但又能给出唯一的、符合事实的答案,从而实现简单而稳健的自动评估。
GAIA的设计原则包括瞄准概念上简单但对人类来说可能乏味的问题、可解释性、对记忆的鲁棒性和易用性。研究者的任务是附加文件的简单提示。GAIA的评估是自动化的、快速的、真实的,评估是通过模型的答案和地面真值之间的准确匹配来完成的。
GAIA的难度等级大致根据步骤数量和使用的不同能力数量定义,与当前模型的性能相关,增强了它们的有效性。人类通过网络搜索可能会获得文本结果,从中可以推断出一级难度问题的正确答案,但当涉及到稍微复杂一点的查询时,这种方法就不那么有效了,并且比典型的大型语言模型(LLM)助手稍慢,因为用户需要浏览首批搜索结果。这证实了LLM助手作为搜索引擎的竞争者的潜力。
总的来说,GAIA允许清晰地对有能力的助手进行排名,同时也为未来几个月甚至几年的改进留下了很大的空间。GPT-4加上插件表现出了诸如回溯或查询优化等行为,当结果不令人满意时,以及相对较长的计划执行时间。AutoGPT-4允许GPT-4自动使用工具,但其在二级难度,甚至与不带插件的GPT-4相比,一级难度的结果也令人失望。这种差异可能来自AutoGPT-4依赖GPT-4API的方式。总的来说,人类与带插件的GPT4的合作似乎到目前为止提供了最佳的得分与所需时间比。
相关工具
相关文章
相关快讯
推荐
中国首款3A游戏上线,《黑神话:悟空》出圈!
2024-08-21 13:46
盘点15款AI配音工具,短视频配音有救了!
2024-08-12 17:11
短视频文案没创意?10大AI写作工具来帮你!
2024-08-05 16:23
Midjourney发布V6.1版本,我已分不清AI和现实了!
2024-08-01 15:03
我发现了一款国产AI绘画神器,免费易上手!
2024-07-25 16:40
7位AI考生做今年高考题,能过一本线吗?
2024-07-19 17:17
世界上第一所AI学校来了,80亿人只需要1位老师?
2024-07-18 17:12
Sora首部AI广告片上线,广告从业者危险了!
2024-06-27 13:44
OpenAI与中国说拜拜,国产AI如何接棒?
2024-06-26 15:18
人与AI会产生爱情吗,专家发话了!
2024-06-17 17:28