易坊好文馆

  1. 首页 > 生活百科 >

GPT-4变笨引爆舆论！文本代码质量都下降，OpenAI刚刚回应了降本减料质疑

大模型天花板GPT-4，它是不是……变笨了?
先是少数用户提出质疑，随后大量网友表示自己也注意到了 ， 还贴出不少证据 。
有人反?。?把GPT-4的3小时25条对话额度一口气用完了 ， 都没解决自己的代码问题 。
无奈切换到GPT-3.5，反倒解决了 。
总结下大家的反馈，最主要的几种表现有:
以前GPT-4能写对的代码，现在满是Bug
回答问题的深度和分析变少了
响应速度比以前快了
这就引起不少人怀疑，OpenAI是不是为了节省成本，开始偷工减料?
这就不免让人想起微软新必应“出道即巅峰”，后来惨遭“前额叶切除手术”能力变差的事情……
网友们相互交流自己的遭遇后 ， “几周之前开始变差”，成了大家的共识 。
一场舆论风暴同时在Hacker News、Reddit和Twitter等技术社区形成 。
这下官方也坐不住了 。
OpenAI开发者推广大使Logan Kilpatrick，出面回复了一位网友的质疑:
不放心的网友继续追问确认“就是说GPT-4自从3月14日发布以来都是静态的对吧?” ， 也得到了Logan的肯定回答 。
“我注意到对于某些提示词表现不一致，只是由于大模型本身的不稳定性吗?”，也得到了“Yes”的回复 。
但是截至目前，针对网页版GPT-4是否被降级过的两条追问都没有得到回答，并且Logan在这段时间有发布别的内容 。
那么事情究竟如何 ， 不如自己上手测试一波 。
对于网友普遍提到GPT-4写代码水平变差 ， 我们做了个简单实验 。
实测GPT-4“炼丹”本领下降了吗?3月底 ， 我们曾实验过让GPT-4“炼丹” ， 用Python写一个多层感知机来实现异或门 。
△ShareGPT截图 ， 界面稍有不同
让GPT-4改用numpy不用框架后 ， 第一次给出的结果不对 。
【GPT-4变笨引爆舆论！文本代码质量都下降，OpenAI刚刚回应了降本减料质疑】在修改两次代码后，运行得到了正确结果 。第一次修改隐藏神经元数量，第二次把激活函数从sigmoid修改成tanh 。
6月2日，我们再次尝试让GPT-4完成这个任务，但换成了中文提示词 。
这回GPT-4第一次就没有使用框架，但给的代码仍然不对 。
后续只修改一次就得到正确结果，而且换成了力大砖飞的思路，直接增加训练epoch数和学习率 。
回答的文字部分质量也未观察到明显下降 ， 但响应速度感觉确实有变快 。
由于时间有限，我们只进行了这一个实验，且由于AI本身的随机性，也并不能否定网友的观察 。
最早4月19日就有人反馈我们在OpenAI官方Discord频道中搜索，发现从4月下旬开始 ， 就不时有零星用户反馈GPT-4变差了 。
但这些反馈并未引发大范围讨论，也没有得到官方正式回应 。
5月31日，Hacker News和Twitter同天开始大量有网友讨论这个问题，成为整个事件的关键节点 。
HackerNews一位网友指出，在GPT-4的头像还是黑色的时候更强 ， 现在紫色头像版在修改代码时会丢掉几行 。
在Twitter上较早提出这个问题的 ， 是HyperWrite（一款基于GPT API开发的写作工具）的CEO，Matt Shumer 。
但这条推文却引发了许多网友的共鸣，OpenAI员工回复的推文也正是针对这条 。
不过这些回应并没让大家满意，反而讨论的范围越来越大 。
比如Reddit上一篇帖子提到，原来能回答代码问题的GPT-4，现在连哪些是代码哪些是问题都分不出来了 。
在其他网友的追问下，帖子作者对问题出现的过程进行了概述，还附上了和GPT的聊天记录 。
对于OpenAI声称模型从三月就没有改动过 ， 公开层面确实没有相关记录 。
ChatGPT的更新日志中，分别在1月9日、1月30日、2月13日提到了对模型本身的更新，涉及改进事实准确性和数学能力等 。
但自从3月14日GPT-4发布之后就没提到模型更新了，只有网页APP功能调整和添加联网模式、插件模式、苹果APP等方面的变化 。
假设真如OpenAI所说，GPT-4模型本身的能力没有变化 ， 那么这么多人都感觉它表现变差是怎么回事呢?
很多人也给出了自己的猜想 。
第一种可能的原因是心理作用 。
Keras创始人Fran?ois Chollet就表示，不是GPT的表现变差，而是大家渡过了最初的惊喜期，对它的期待变高了 。
Hacker News上也有网友持相同观点 ， 并补充到人们的关注点发生了改变，对GPT失误的敏感度更高了 。
抛开人们心理感受的差异，也有人怀疑API版本和网页版本不一定一致 ， 但没什么实据 。
还有一种猜测是在启用插件的情况下，插件的额外提示词对要解决的问题来说可能算一种污染 。
△WebPilot插件中的额外提示词
这位网友就表示，在他看来GPT表现变差正是从插件功能开始公测之后开始的 。
也有人向OpenAI员工询问是否模型本身没变 ， 但推理参数是否有变化?
量子位也曾偶然“拷问”出ChatGPT在iOS上的系统提示词与网页版并不一致 。
如果在手机端开启一个对话，它会知道自己在通过手机与你交互 。
会把回答控制在一到两句话，除非需要长的推理 。
不会使用表情包 ， 除非你明确要求他使用 。
△不一定成功，大概率拒绝回答
那么如果在网页版继续一个在iOS版开启的对话而没意识到，就可能观察到GPT-4回答变简单了 。
总之，GPT-4自发布以来到底有没有变笨，目前还是个未解之谜 。
但有一点可以确定:
3月14日起大家上手玩到的GPT-4 ， 从一开始就不如论文里的 。
与人类对齐让AI能力下降微软研究院发表的150多页刷屏论文《AGI的火花:GPT-4早期实验》中明确:
他们早在GPT-4开发未完成时就得到了测试资格，并进行了长期测试 。
后来针对论文中很多惊艳例子，网友都不能成功用公开版GPT-4复现 。
目前学术界有个观点是，后来的RLHF训练虽然让GPT-4更与人类对齐——也就更听从人类指示和符合人类价值观——但让也让它自身的推理等能力变差 。
论文作者之一、微软科学家张弋在中文播客节目《What’s Next|科技早知道》S7E11期中也提到:
举例来说 ， 微软团队在论文中提到，他们每隔相同一段时间就让GPT-4使用LaTeX中的TikZ画一个独角兽来追踪GPT-4能力的变化 。
论文中展示的最后一个结果，画得已经相当完善 。
但论文一作Sebastien Bubeck后续在MIT发表演讲时透露了更多信息 。
与人类对齐但并不降低AI自身能力上限的训练方法 ， 也成了现在很多团队的研究方向，但还在起步阶段 。
除了专业研究团队之外 ， 关心AI的网友们也在用自己的办法追踪着AI能力的变化 。
有人每天让GPT-4画一次独角兽，并在网站上公开记录 。
从4月12日开始，直到现在也还没看出来个独角兽的大致形态 。
当然网站作者表示，自己让GPT-4使用SVG格式画图，与论文中的TikZ格式不一样也有影响 。
并且4月画的与现在画的似乎只是一样差，也没看出来明显退步 。
最后来问问大家，你是GPT-4用户么?最近几周有感到GPT-4能力下降么?欢迎在评论区聊聊 。
Bubeck演讲:
https://www.youtube.com/watch?v=qbIk7-JPB2c
张弋访谈:
https://xyzfm.link/s/UfTan0
每天一个GPT-4独角兽
https://gpt-unicorn.adamkdean.co.uk
参考链接:
[1]https://news.ycombinator.com/item?id=36134249
[2]https://twitter.com/nabeelqu/status/1663915378265800705
[3]https://twitter.com/OfficialLoganK/status/1663934947931897857
[4]https://discord.com/channels/974519864045756446/1001151820170801244
[5]https://twitter.com/mattshumer_/status/1663744527448829954
[6]https://www.reddit.com/r/ChatGPT/comments/13xik2o/chat_gpt_4_turned_dumber_today/
[7]https://help.openai.com/en/articles/6825453-chatgpt-release-notes
[8]https://twitter.com/fchollet/status/1664036777416597505
[9]https://news.ycombinator.com/item?id=36155267
—完—

    推荐阅读


    上一篇：京东618：首购新用户同比增长超30% 特斯拉充电装备双TOP1

    下一篇：卡帕跟耐克