位置: IT常识 - 正文

关于 ChatGPT 必看的 10 篇论文

编辑:rootadmin
关于 ChatGPT 必看的 10 篇论文 目录1 Transformer2 GPT-33 InstructGPT4 Sparrow5 RLHF6 TAMER7 PPO8 In-Context Learning8.1 Why Can GPT Learn In-Context8.2 What learning algorithm is in-context learning9 Prompt参考

推荐整理分享关于 ChatGPT 必看的 10 篇论文,希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助,希望把文章链接给更多的朋友!

团队博客: CSDN AI小组

相关阅读

ChatGPT 简介从 ELMo 到 ChatGPT:历数 NLP 近 5 年必看大模型

关于 ChatGPT 必看的 10 篇论文

2022年11月,OpenAI推出人工智能聊天原型ChatGPT,再次赚足眼球,为AI界引发了类似AIGC让艺术家失业的大讨论。

ChatGPT 是一种专注于对话生成的语言模型。它能够根据用户的文本输入,产生相应的智能回答。这个回答可以是简短的词语,也可以是长篇大论。其中 GPT 是 Generative Pre-trained Transformer(生成型预训练变换模型)的缩写。

下面列出了学习 ChatGPT 必看的 10 篇论文。

1 Transformer

ChatGPT 使用的预训练模型 GPT,是在 Transformer 中的 decoder 基础上进行改造的。

Title:Attention Is All You NeedAbstract:The dominant sequence transduction models are based on complex recurrent or convolutional neural networks that include an encoder and a decoder. The best performing models also connect the encoder and decoder through an attention mechanism. We propose a new simple network architecture, the Transformer, based solely on attention mechanisms, dispensing with recurrence and convolutions entirely. Experiments on two machine translation tasks show these models to be superior in quality while being more parallelizable and requiring significantly less time to train. Our model achieves 28.4 BLEU on the WMT 2014 Englishto-German translation task, improving over the existing best results, including ensembles, by over 2 BLEU. On the WMT 2014 English-to-French translation task, our model establishes a new single-model state-of-the-art BLEU score of 41.0 after training for 3.5 days on eight GPUs, a small fraction of the training costs of the best models from the literature.摘要:占主导地位的序列转导模型是基于复杂的递归或卷积神经网络,包括一个编码器和一个解码器。性能最好的模型还通过注意机制将编码器和解码器连接起来。我们提出了一个新的简单的网络结构–Transformer,它只基于注意力机制,完全不需要递归和卷积。在两个机器翻译任务上的实验表明,这些模型在质量上更胜一筹,同时也更容易并行化,需要的训练时间也大大减少。我们的模型在WMT 2014英德翻译任务中达到了28.4 BLEU,比现有的最佳结果(包括合集)提高了2 BLEU以上。在WMT 2014英法翻译任务中,我们的模型在8个GPU上训练了3.5天后,建立了新的单模型最先进的BLEU得分,即41.0分,这只是文献中最佳模型的训练成本的一小部分。2 GPT-3

GPT 家族与 BERT 模型都是知名的 NLP 预训练模型,都基于 Transformer 技术。GPT-1 只有12个 Transformer 层,而到了 GPT-3,则增加到 96 层。

Title:Language Models are Few-Shot LearnersAbstract:Recent work has demonstrated substantial gains on many NLP tasks and benchmarks by pre-training on a large corpus of text followed by fine-tuning on a specific task. While typically task-agnostic in architecture, this method still requires task-specific fine-tuning datasets of thousands or tens of thousands of examples. By contrast, humans can generally perform a new language task from only a few examples or from simple instructions - something which current NLP systems still largely struggle to do. Here we show that scaling up language models greatly improves task-agnostic, few-shot performance, sometimes even reaching competitiveness with prior state-of-the-art fine-tuning approaches. Specifically, we train GPT-3, an autoregressive language model with 175 billion parameters, 10x more than any previous non-sparse language model, and test its performance in the few-shot setting. For all tasks, GPT-3 is applied without any gradient updates or fine-tuning, with tasks and few-shot demonstrations specified purely via text interaction with the model. GPT-3 achieves strong performance on many NLP datasets, including translation, question-answering, and cloze tasks, as well as several tasks that require on-the-fly reasoning or domain adaptation, such as unscrambling words, using a novel word in a sentence, or performing 3-digit arithmetic. At the same time, we also identify some datasets where GPT-3’s few-shot learning still struggles, as well as some datasets where GPT-3 faces methodological issues related to training on large web corpora. Finally, we find that GPT-3 can generate samples of news articles which human evaluators have difficulty distinguishing from articles written by humans. We discuss broader societal impacts of this finding and of GPT-3 in general.摘要:最近的工作表明,在许多NLP任务和基准上,通过对大型文本语料库进行预训练,然后对特定的任务进行微调,可以获得巨大的收益。虽然在结构上通常是任务无关的,但这种方法仍然需要特定任务的微调数据集,包括几千或几万个例子。相比之下,人类通常只需通过几个例子或简单的指令就能完成一项新的语言任务–而目前的NLP系统在很大程度上仍难以做到这一点。在这里,我们展示了扩大语言模型的规模,大大改善了与任务无关的、少量的性能,有时甚至达到了与之前最先进的微调方法的竞争力。具体来说,我们训练了GPT-3,一个具有1750亿个参数的自回归语言模型,比以前的任何非稀疏语言模型多10倍,并测试了它在少数情况下的性能。对于所有的任务,GPT-3的应用没有任何梯度更新或微调,纯粹通过与模型的文本互动来指定任务和少量演示。GPT-3在许多NLP数据集上取得了强大的性能,包括翻译、回答问题和cloze任务,以及一些需要即时推理或领域适应的任务,如解读单词、在句子中使用一个新词或进行3位数的算术。同时,我们也发现了一些数据集,在这些数据集中,GPT-3的几率学习仍然很困难,还有一些数据集,GPT-3面临着与大型网络语料库训练有关的方法学问题。最后,我们发现,GPT-3可以生成人类评价者难以区分的新闻文章样本。我们讨论了这一发现和GPT-3总体上的更广泛的社会影响。3 InstructGPT

ChatGPT 的训练流程,主要参考自 instructGPT ,ChatGPT 是改进的 instructGPT。

Title:Training language models to follow instructions with human feedbackAbstract:Making language models bigger does not inherently make them better at following a user’s intent. For example, large language models can generate outputs that are untruthful, toxic, or simply not helpful to the user. In other words, these models are not aligned with their users. In this paper, we show an avenue for aligning language models with user intent on a wide range of tasks by fine-tuning with human feedback. Starting with a set of labeler-written prompts and prompts submitted through the OpenAI API, we collect a dataset of labeler demonstrations of the desired model behavior, which we use to fine-tune GPT-3 using supervised learning. We then collect a dataset of rankings of model outputs, which we use to further fine-tune this supervised model using reinforcement learning from human feedback. We call the resulting models InstructGPT. In human evaluations on our prompt distribution, outputs from the 1.3B parameter InstructGPT model are preferred to outputs from the 175B GPT-3, despite having 100x fewer parameters. Moreover, InstructGPT models show improvements in truthfulness and reductions in toxic output generation while having minimal performance regressions on public NLP datasets. Even though InstructGPT still makes simple mistakes, our results show that fine-tuning with human feedback is a promising direction for aligning language models with human intent.摘要:让语言模型变得更大并不意味着它们能更好地遵循用户的意图。例如,大型语言模型可以产生不真实的、有毒的或根本对用户没有帮助的输出。换句话说,这些模型没有与用户保持一致。在本文中,我们展示了一个途径,通过人类反馈的微调,在广泛的任务中使语言模型与用户的意图保持一致。从一组标签员写的提示语和通过OpenAI API提交的提示语开始,我们收集了一组标签员演示的所需模型行为的数据集,我们利用监督学习对GPT-3进行微调。然后,我们收集模型输出的排名数据集,我们利用人类反馈的强化学习来进一步微调这个监督模型。我们把产生的模型称为InstructGPT。在人类对我们的提示分布的评估中,尽管参数少了100倍,但1.3B参数的InstructGPT模型的输出比175B的GPT-3的输出更受欢迎。此外,InstructGPT模型显示了真实性的改善和有毒输出生成的减少,同时在公共NLP数据集上的性能回归最小。尽管InstructGPT仍然会犯一些简单的错误,但我们的结果表明,利用人类反馈进行微调是使语言模型与人类意图相一致的一个有希望的方向。4 Sparrow

DeepMind 的 Sparrow,这个工作发表时间稍晚于 instructGPT,其大致的技术思路和框架与 instructGPT 的三阶段基本类似,不过明显Sparrow 在人工标注方面的质量和工作量是不如instructGPT的。反过来,Sparrow 中把奖励模型分为两个不同 RM 的思路,理论上是优于instructGPT 的。

Title:Improving alignment of dialogue agents via targeted human judgementsAbstract:We present Sparrow, an information-seeking dialogue agent trained to be more helpful, correct, and harmless compared to prompted language model baselines. We use reinforcement learning from human feedback to train our models with two new additions to help human raters judge agent behaviour. First, to make our agent more helpful and harmless, we break down the requirements for good dialogue into natural language rules the agent should follow, and ask raters about each rule separately. We demonstrate that this breakdown enables us to collect more targeted human judgements of agent behaviour and allows for more efficient rule-conditional reward models. Second, our agent provides evidence from sources supporting factual claims when collecting preference judgements over model statements. For factual questions, evidence provided by Sparrow supports the sampled response 78% of the time. Sparrow is preferred more often than baselines while being more resilient to adversarial probing by humans, violating our rules only 8% of the time when probed. Finally, we conduct extensive analyses showing that though our model learns to follow our rules it can exhibit distributional biases.摘要:我们提出了Sparrow,一个寻求信息的对话代理,与提示的语言模型基线相比,它被训练得更有帮助,更正确,更无害。我们使用来自人类反馈的强化学习来训练我们的模型,并增加了两个新的内容来帮助人类评分者判断代理行为。首先,为了使我们的代理更有帮助和无害,我们将良好对话的要求分解为代理应该遵循的自然语言规则,并分别询问评分者每条规则。我们证明,这种分解使我们能够收集更有针对性的人类对代理行为的判断,并允许更有效的规则条件的奖励模型。第二,我们的代理在收集对模型
本文链接地址:https://www.jiuchutong.com/zhishi/297276.html 转载请保留说明!

上一篇:vue3的路由传参query、params以及动态路由传参(vue路由传参的几种方式)

下一篇:【Matlab 六自由度机器人】运动学逆解(附MATLAB机器人逆解代码)(matlab中自由变量)

  • 苹果13怎么注册新的id(苹果13怎么注册ins)

    苹果13怎么注册新的id(苹果13怎么注册ins)

  • imovie有安卓版的吗(安卓版imovie2019)

    imovie有安卓版的吗(安卓版imovie2019)

  • 怎么让表格跨页不分开(怎么让表格跨页加表头)

    怎么让表格跨页不分开(怎么让表格跨页加表头)

  • 打印机驱动抽取文件后无反应(打印机驱动抽取失败)

    打印机驱动抽取文件后无反应(打印机驱动抽取失败)

  • 消除微信未读消息红点怎么办(消除微信未读消息数量)

    消除微信未读消息红点怎么办(消除微信未读消息数量)

  • Excel怎么选中一列的单元格(excel怎么选中一行以后的所有数据)

    Excel怎么选中一列的单元格(excel怎么选中一行以后的所有数据)

  • 怎么防止iphone杀进程(苹果如何防止)

    怎么防止iphone杀进程(苹果如何防止)

  • 被添加好友过于频繁(添加好友过于频繁)

    被添加好友过于频繁(添加好友过于频繁)

  • 苹果10关机键在哪(苹果关机键在哪里13)

    苹果10关机键在哪(苹果关机键在哪里13)

  • 手机删除照片能恢复吗(手机删除照片能找回来不)

    手机删除照片能恢复吗(手机删除照片能找回来不)

  • 显示器与主机有几根线(显示器与主机有没有不兼容)

    显示器与主机有几根线(显示器与主机有没有不兼容)

  • 抖音微信登录未获得权限(抖音微信登录未获得微信登录的权限)

    抖音微信登录未获得权限(抖音微信登录未获得微信登录的权限)

  • 抖音提现几天到账(抖音提现几天到银行卡)

    抖音提现几天到账(抖音提现几天到银行卡)

  • 抖音播放量多少上热门(抖音播放量多少才有钱)

    抖音播放量多少上热门(抖音播放量多少才有钱)

  • 防火墙自身会被攻破吗(防火墙会阻止网络连接吗)

    防火墙自身会被攻破吗(防火墙会阻止网络连接吗)

  • 陌陌相互关注多久可以视频(陌陌相互关注多久可以语音视频)

    陌陌相互关注多久可以视频(陌陌相互关注多久可以语音视频)

  • 如何关闭小米nfc功能(如何关闭小米nfc通知栏图标)

    如何关闭小米nfc功能(如何关闭小米nfc通知栏图标)

  • 淘宝钱包余额在哪(淘宝零钱余额)

    淘宝钱包余额在哪(淘宝零钱余额)

  • 抖音如何开通直播权限(抖音如何开通直播会员)

    抖音如何开通直播权限(抖音如何开通直播会员)

  • 拼多多如何注册开店(拼多多如何注册新店铺)

    拼多多如何注册开店(拼多多如何注册新店铺)

  • 苹果手机息屏设置

    苹果手机息屏设置

  • 华硕开不了机按哪个键(华硕开不了机按什么键进入安全模式)

    华硕开不了机按哪个键(华硕开不了机按什么键进入安全模式)

  • cad圆角快捷键(cad把直角改为圆弧角)

    cad圆角快捷键(cad把直角改为圆弧角)

  • 韦尔瓦奥迪尔湿地起飞的三只大红鹳,西班牙安达卢西亚 (© Óscar Díez/Minden Pictures)(奥维尔的瓦兹河岸)

    韦尔瓦奥迪尔湿地起飞的三只大红鹳,西班牙安达卢西亚 (© Óscar Díez/Minden Pictures)(奥维尔的瓦兹河岸)

  • 增值税电子发票可以作废吗
  • 个人买车交增值税吗
  • 年初结转增值税社保如何做账
  • 税务师考试报名
  • 以摊余成本计量的金融资产交易费用
  • 居民企业参股外国企业信息报告表怎么删除
  • 单位多久查一次征信
  • 小规模纳税人取的专票能抵扣吗
  • 分公司非独立核算是什么意思
  • 红字使用禁忌
  • 建筑材料专票抵扣
  • 资产减少应注意的问题有哪些?
  • 燃油税里面包含哪些内容
  • 外币报表折算差额在会计报表中应作为
  • 专用发票可以下账吗
  • 工厂投产前的准备工作有哪些
  • 付给私人股权转让权怎么做分录?
  • 房租费用在本年内可以不摊销吗?
  • 中央空调 付款
  • 甲供工程选择适用简易计税方法后,36个月
  • 办公用品增值税专用发票税点
  • 当月开票一定要当月入账吗
  • 企业筹建期间的广告费和业务宣传费
  • 包装物及其押金的消费税的注意事项
  • 不能取得发票的财务费用怎么做明细好一点
  • linux的rz
  • bios升级失败后如何恢复
  • 在windows7提供了一种什么技术
  • 允许企业所得税税前扣除的公益性捐赠的条件包括
  • windows7网络无法连接
  • 华为鸿蒙os升级机型曝光
  • 笔记本如何打开无线网络开关
  • bios详细解释及作用
  • 微信小程序前端源码
  • python0基础
  • 存储器的示意图
  • 残疾人个人所得税减免怎么填写申报
  • 一年内到期的非流动资产包括
  • 代缴社保零申报对个人有影响吗
  • 提供营业执照范本图片
  • mongodb的索引种类
  • sql server创建数据表的完整语法
  • python apriori算法
  • 租金收入如何确认收入
  • 项目支出可以列办公费吗
  • 小企业长期债券投资
  • 商品削价的核算
  • 企业报税流程是什么样的
  • 长期股权投资中同一控制和非同一控制的区别
  • 换货与退货
  • 土地出让金进项税怎么算
  • 未认证进项税额会计分录
  • 企业所得税弥补亏损可以弥补几年
  • 员工在异地缴纳社保,公司还能上吗
  • 当月只有进项税额会计怎么做账
  • 不交社保如何在网上投诉
  • 免抵税额分录
  • 用友u8怎样查询上个月凭证
  • 销售费属于期间费用
  • 资产总额怎么进行税务数据授权登记
  • 消耗性生物资产属于非流动资产吗
  • xp系统怎么把ie浏览器放到桌面
  • service.exe是什么
  • macos catalin
  • RPDFLchr.exe - RPDFLchr是什么进程 有什么用
  • xp系统组策略怎么打开
  • 手动为LiteSpeed安装eAccelerator和XCache的方法分享
  • linux安装与部署
  • cocos2dx schedule
  • 关于混合基金投资风险以下表述正确的是
  • wind安装
  • http状态码一览表
  • bat文件加密bat解密脚本
  • python编写步骤
  • python list的操作
  • 小规模无票收入怎么报税
  • 广西12366社保缴费APP
  • 铅球七米
  • 税务清查工作总结
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设