卷友们好，我是rumor。
已经好久没看OpenAI的官网[1]了，但今天冥冥之中感觉受到了什么召唤，心想GPT4什么时候发布，莫名地就打开了，果然有料：
试用：https://chat.openai.com/
它把魔抓又伸向对话了！来一起看看官方放出的case吧：
帮人Debug代码，并进行多轮询问：
识别出危险问题并拒绝回答，但用户说明意图后给出了更好的回复：
执行指令，甚至改很多遍也不生气：
还有个指代消解的case太长就不放了，OpenAI在最后还拿InstructGPT做了对比，可以看到InstructGPT只是冰冷地执行指令，而ChatGPT则更有温度一些。
从上面的例子可以看到，对比今年其他厂的对话工作，ChatGPT有几项明显的优点：
基于GPT3.5，有着更多样的训练数据，别的我不知道，反正debug代码有点东西
强大的多轮上下文理解能力，从指代消解、写信的例子看出来的，如果对历史消息没有很好的记忆理解，可能就新起一个话题了
更像人。目前大部分模型都是直接回答，而ChatGPT显然跟用户有一个「Chat」的过程，比如debug代码的时候，上来先回复「很难说，再多给点信息」
更像人的对话策略，是很难做出来的，因为我们不知道怎么才算「像个人」。谷歌为了解决这个问题，曾经拆分出了一堆指标。
而这次OpenAI则是采用了和DeepMind Sparrow[2]一样的策略，既然不知道用哪些维度衡量对话的好坏，那直接基于用户的反馈去训练，让模型自己学就好了。
基于反馈的训练，那不就是宇宙的终点强化学习吗。
ChatGPT的制作分为如下几步：
用监督数据基于GPT3.5训练一个对话模型，训练数据是标注人员手把手写出来的
人工标注模型生成的多个结果，训练一个给对话回复打分的模型
用打分模型作为反馈，基于PPO算法训练一个对话模型
上面的步骤其实跟DeepMind的工作很像，也很直觉，但DeepMind额外针对黄赌毒对话做了些训练，目前还不知道ChatGPT是怎么实现的，不过以他们LM一把梭的性格，有可能全是数据堆出来的。。。
当然，ChatGPT还是有一些局限的，比如：
说一些不明所以毫无疑义的话
重复问相同的问题，或者轻微调整后答案变化很大
很啰嗦，从case里也看出来了，这主要是训练数据带来的偏差，标注同学会更倾向长句子
也不是所有模糊情况都会反问
有些黄赌毒问题还是没法识别，作者们在打算用API解决
目前，为了让大家给出更多的反馈，OpenAI顺势在11.30-12.30之间举行了一个反馈比赛[3]，感兴趣的同学可以积极参与。
最后，让我们对应该过阵子就会发布的GPT4拭目以待吧！
参考资料
[1]
OpenAI Blog: https://openai.com/blog/
[2]Building safer dialogue agents: https://www.deepmind.com/blog/building-safer-dialogue-agents
[3]Feedback Contest: https://cdn.openai.com/chatgpt/ChatGPT_Feedback_Contest_Rules.pdf
我是朋克又极客的AI算法小姐姐rumor
北航本硕，NLP算法工程师，谷歌开发者专家
欢迎关注我，带你学习带你肝
一起在人工智能时代旋转跳跃眨巴眼
「不会debug代码的模型不是好AI」
文章出处登录后可见！
