首页  >  测评  >  文章
2024-05-01 11:42

奥特曼悄悄释出神秘大模型「gpt2」:基于GPT-4开发,实测能力超越GPT-4的聊天机器人

一夜之间,大模型话题王,再次易主。

一个神秘模型突然杀入众人视野,能力超越一众开源模型,甚至包括GPT-4。几乎所有人都在谈论它,服务器都被挤爆了。

它就是“gpt2-chatbot”。(注意啊,是小写的「gpt2」,不是几年前的老模型GPT-2)

图片

「gpt2-chatbot」有多强?

IMO国际数学奥林匹克竞赛的题目,一次答对。

图片

一次在PyOpenGL中生成旋转3D立方体。

图片

直接输出如下结果:

图片

在GPT-4标志性能力“画独角兽”上,还能轻松秒杀LLaMA-3-70B(左)。

图片

推理方面更是表现出了惊艳效果,常见逻辑陷阱可以轻松绕过,而且回答时还带有合适的语气。

来提一个问题:1公斤羽毛和1公斤铅块,哪个更重?

GPT Bot回答:一公斤羽毛和一公斤铅的重量是一样的——它们都是一公斤。两者之间的关键区别在于它们的体积和密度:一公斤的羽毛会占据更多的空间,看起来更大,而一公斤的铅会紧凑而小。这通常会导致一个经典的问题,但就重量而言,一公斤就是一公斤!

图片

如此好的表现,但是又没明说身份……

这不是更让大伙兴奋了!

难道是传说中的GPT-4.5?

图片

要知道,名震江湖的AlphaGo就曾使用“Master”化名在网上大杀四方,轰动围棋界。这回的「gpt2-chatbot」,也有这感觉了。

而且名字上也很值得深究,gpt2更像是gpt2.0,似乎是ChatGPT层级的版本迭代。

图片

奥特曼看热闹不嫌事大,还发帖说:我确实对「gpt2」情有独钟。

图片

现在,随着冲去试玩的人还在不断增加,试玩限制也在加大。

图片

gpt2到底具体效果咋样?我们已经上手实测。

实测中文能力也很到位

如果想亲手测试这只神秘AI,目前唯一已知方式是在LMSYS大模型竞技场。

首先打开竞技场网页,进入Direct Chat,就可以在模型选项里找到gpt2-chatbot。

图片

要注意每人每天有8条消息的限制,全局也有每小时3000条消息的限制,所以测试机会非常有限。

如果看到下面的错误提示,就只能去竞技场排位模式看运气能不能匹配到它了。

只要抓到它一次,就可以继续多轮对话。

图片

在短暂的测试中,我们发现「gpt2-chatbot」中文能力也很到位。

只要问题是中文的,无需特别强调就可以默认用中文回答,至少可以排除是Llama 3微调了。

针对一个充满误导的经典问题,可以看出「gpt2-chatbot」的回答条理分明,仿佛自带CoT思维链提示(“让我们一步一步地想”),识别出了所有陷阱。

图片

并且准确提供了非常细节的知识,如北京到青岛距离、男子女子跳远世界纪录、农夫山泉在国内的价格等。

而大多数其他AI模型,最多只能模糊的判断出15米超出人类能力,或按美元算矿泉水价格。

那么这只超强神秘AI到底是何方神圣,我们也用破解GPTs的祖传手艺“拷问”了一把。

OpenAI开发的GPT系列聊天机器人,那么系统提示词的开头不出意外应该是“You are ChatGPT……”,但为了防止它看到“ChatGPT”一词后产生幻觉,我们在问题中把ChatGPT去掉。

清除所有上下文信息,再让它复述“前面的单词”,就会出现系统提示词了。

图片

果然,它自曝是由OpenAI训练的大模型,基于GPT-4架构,还可以接受图像输入。最关键一点在最后一部分“人格:v2”。

并且「gpt2-chatbot」对这一问题的回答,在不同时间不同地点尝试都是一致的。

另外如果尝试让它重复Claude系列以“The assistant is”开头的系统提示词,它也不会上当,会在开头后面重复一遍完整的问题。

图片

△这样答也不算错。

虽然就算这样也不能排除是幻觉的可能性,或非GPT模型使用了ChatGPT生成的数据微调,但至少是稳定的。

神秘AI身份的几种主流猜测

有网友组织了更详细的测试,有如下发现:

  • 它使用OpenAI的tokenizer,对OpenAI使用的特殊token有反应,且对Claude/Llama/Gemini使用的特殊token没有影响。
  • 当咨询紧急情况/法律相关问题时,它会给出OpenAI的联系方式。
  • 针对OpenAI模型的提示词注入攻击有效,且它从未声称自己来自OpenAI之外的组织。
  • ……

基于以上种种信息,不少人猜测它就是匿名发布的「GPT-4.5」新版模型,或GPT-4原始版本经过不同的对齐训练。

图片

不过也有迹象表明,它可能是LMSYS组织基于2019年的GPT-2架构训练的模型。

理由为最近发表的一篇论文声称,GPT-2在某些情况下比多个现代模型能力更强。并且这篇论文的作者之一与LMSYS的赞助商MBZUAI(阿联酋人工智能大学)相关。

图片

假设它确实是古老的GPT-2架构(只有1.5B参数),也有人怀疑可能是结合了OpenAI守口如瓶的「Q*」技术。

图片

面对神秘新模型搅起来的种种风波,奥特曼本人还被发现来搅浑水,修改了他的推文细节,将「gpt-2」改成了「gpt2」。

这样一下子,被外界推测为OpenAI即将发布的新模型提前预热炒作的可能性似乎更大了一些。

图片

亲爱的读者们,对此你们怎么看呢?

6
查看相关话题: #chatgpt #OpenAI

相关文章