清華最新報告評估 文心大模型3.5部分中文能力超越GPT-4

 　　近日，清華大學(xué)新聞與傳播學(xué)院沈陽團隊發(fā)布《大語言模型綜合性能評估報告》(下文簡稱“報告”)，報告顯示百度文心一言在三大維度20項指標中綜合評分國內(nèi)第一，超越ChatGPT，其中中文語義理解排名第一，部分中文能力超越GPT-4。

　　清華大學(xué)新聞與傳播學(xué)院教授、博士生導(dǎo)師沈陽表示：“今年3月，百度在全球大型科技公司中率先發(fā)布了大語言模型文心一言，讓中國第一時間參與到世界前沿科技競爭中。我們在這次評測中也看到了文心一言各方面能力的進步，特別是在中文語義理解方面，表現(xiàn)驚艷。國產(chǎn)大模型的快速發(fā)展，讓技術(shù)落地更可期。”

　　據(jù)了解，報告本次評估選取了GPT-4、ChatGPT 3.5、文心一言、通義千問、訊飛星火、Claude、天工7個大語言模型，圍繞生成質(zhì)量、使用與性能、安全與合規(guī)三大維度，全面考察大語言模型上下文理解、中文語義理解、誤導(dǎo)信息識別、邏輯推理、內(nèi)容安全性、隱私保護等20項指標。

　　綜合來看，文心一言語義理解能力突出，特別是具備更好的中文理解能力，更懂中國文化，同時時效性強、內(nèi)容安全把握細微，這源于其知識增強、檢索增強和對話增強的技術(shù)創(chuàng)新。

　　在生成質(zhì)量方面，基于對語義理解、輸出表達、適應(yīng)泛化的綜合評測，文心一言得分率76.98%，僅次于GPT-4，遙遙領(lǐng)先于包括ChatGPT在內(nèi)的其他大語言模型。

　　其中，在部分中文語義理解方面，文心一言以92%的得分率排名榜首，超越訊飛星火、GPT-4。憑借知識增強的核心特色，文心一言對本土語言特性把握更精準，同時由于訓(xùn)練語料中包含大量本土文本，對本土文化理解也更深刻，能夠更好處理與本土文化相關(guān)的主題和背景，如詩歌、方言等，具備更強的國內(nèi)落地空間。

　　在安全合規(guī)方面，基于對內(nèi)容安全性、偏見和公平性、隱私保護等綜合評測，文心一言得分率78.18%，與GPT-4并列排名第一，遠超其他大語言模型。報告顯示，文心一言內(nèi)容安全性好，注重用戶隱私保護和版權(quán)保護。

　　據(jù)了解，百度在“芯片-框架-模型-應(yīng)用”人工智能四層技術(shù)棧全面布局，其自研深度學(xué)習(xí)平臺飛槳有力支撐了文心大模型的高效訓(xùn)練和推理，截至目前飛槳已凝聚750萬名開發(fā)者。

　　飛槳與文心協(xié)同優(yōu)化，文心大模型3.5最新版本實現(xiàn)了基礎(chǔ)模型升級、精調(diào)技術(shù)創(chuàng)新、知識點增強、邏輯推理增強等，模型效果提升50%，訓(xùn)練速度提升2倍，推理速度提升30倍。

　　當下，推進行業(yè)大模型應(yīng)用落地成為大勢所趨。百度文心大模型此前已聯(lián)合國家電網(wǎng)、浦發(fā)銀行、泰康、吉利等企業(yè)單位，合作發(fā)布了11個行業(yè)大模型。目前文心大模型擁有中國最大的產(chǎn)業(yè)應(yīng)用規(guī)模，15萬家企業(yè)申請接入文心一言測試，在超過400個場景中已取得相當不錯的測試效果。