最近,一項(xiàng)由 OpenAI 進(jìn)行的研究顯示,盡管人工智能技術(shù)飛速發(fā)展,當(dāng)前最先進(jìn)的語言模型在回答事實(shí)問題時的成功率卻遠(yuǎn)低于預(yù)期。
研究采用了 OpenAI 自家的 SimpleQA 基準(zhǔn)測試,這個測試包含了4,326個,涵蓋了科學(xué)、政治和藝術(shù)等多個領(lǐng)域,每個問題都有一個明確的正確答案。
經(jīng)過兩名獨(dú)立評審員的驗(yàn)證,結(jié)果顯示,OpenAI 最好的模型 o1-preview 的準(zhǔn)確率僅為42.7%,而 GPT-4o 則略低,只有38.2%。至于更小的 GPT-4o-mini,準(zhǔn)確率甚至只有8.6%。相比之下,Anthropic 的 Claude 模型表現(xiàn)得更差,Claude-3.5-sonnet 的正確率僅為28.9%。
這項(xiàng)研究的關(guān)鍵在于測試的設(shè)計(jì),不僅僅是為了測試 AI 的表現(xiàn),還為了讓大家認(rèn)識到 AI 模型在知識獲取方面的局限性。研究者強(qiáng)調(diào),用戶在使用這些模型時,應(yīng)該將其視為信息處理工具,而不是完全依賴的知識來源。為了獲得更準(zhǔn)確的回答,最好能為 AI 提供可靠的數(shù)據(jù),而不是單純依賴其內(nèi)置的知識。
值得注意的是,AI 模型對自身能力的估計(jì)往往過于樂觀。研究人員發(fā)現(xiàn),當(dāng)這些模型被要求對自己的回答進(jìn)行信心評分時,它們通常會給出夸大的準(zhǔn)確性評分。在重復(fù)回答相同問題的測試中,即使模型多次給出相同答案,它們的實(shí)際成功率也仍低于其自我評估的準(zhǔn)確性。這與外界對語言模型常常產(chǎn)生荒謬回答卻顯得信心滿滿的批評一致。
研究者認(rèn)為,當(dāng)前的 AI 系統(tǒng)在事實(shí)準(zhǔn)確性上存在明顯的缺口,亟需改進(jìn)。同時,他們也提出了一個開放性問題:AI 在回答簡短事實(shí)問題的表現(xiàn)是否能預(yù)測其在處理更長、更復(fù)雜回答時的表現(xiàn)。為了支持更可靠的語言模型的開發(fā),OpenAI 已經(jīng)將 SimpleQA 基準(zhǔn)測試的資料公開發(fā)布到 Github 上。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。