幻觉处理国内最优!530亿参数Baichuan2推理能力飙升100%,首次开放API商用
【新智元导读】昨天,Baichuan2-53B正式发布!首次开放API,意味着百川大模型开始正式进军商用了。另外,模型的数学和逻辑推理能力都大幅飙升,对于幻觉的处理,已经在国内遥遥领先。
百川大模型,昨日全面升级!
就在9月25日,百川智能正式发布了全新升级的530亿参数大模型——Baichuan2-53B。
体验地址:https://www.baichuan-ai.com/home
这一次,它的数学和逻辑推理能力显著提升。
更重要的是,通过高质量数据体系和搜索增强,Baichuan2-53B的幻觉大大降低,是目前国内幻觉问题最低的大模型。
不仅如此,作为首批通过备案的大模型企业,百川智能还开放了Baichuan2-53B API接口。
这意味着,百川智能正式进军To B领域,从此将开启商业化进程。
幻觉处理,国内遥遥领先
最值得一提的是,新升级的Baichuan2-53B,在「幻觉」处理上已经在国内行业遥遥领先了。
简单讲,「幻觉」就是LLM在没有任何已知事实支撑下,常常会一本正经地胡说八道。
别看GPT-4在多种任务上表现突出,但也无法逃过这一诅咒。
那么,为什么大模型会出现「幻觉」?
4月,OpenAI联合创始人兼研究科学家John Schulman在UC伯克利的演讲中,详细阐述了大模型难以攻克的难题。
在Schulman看来,LLM黑盒内部隐藏着一个「知识图谱」。如果这个架构中没有的知识,仅通过SFT教大模型(即行为克隆)知识,实则在教它输出幻觉。
针对这一难题,百川智能又是如何在大模型的「幻觉处理」上,做到业内领先的呢?
在高质量数据构建上,Baichuan2-53B独创了一套数据质量体系。
以低质、优质为标准将数据进行分类,确保Baichuan2-53B始终使用优质数据进行预训练。
另外,在信息获取方面,Baichuan2-53B对多个模块进行了升级,包括指令意图理解、智能搜索和结果增强等关键组件。
这一综合体系通过深入理解用户指令,精确驱动查询词的搜索,最终结合大语言模型技术,优化模型结果生成的可靠性,实现更精确、更智能的模型回答结果,减少模型幻觉。
比如,在解释「勾三股四弦五」这个问题上,GPT-4显然是在胡说八道。
相比之下,Baichuan2-53B一次就给出了正确的回答。
再比如,「周树人和鲁迅是不是同一个人」这道经典问题,Baichuan2-53B的回答既全面又准确。
可以看到,通过构建高质量数据体系,以及搜索增强技术两个方面的优化,Baichuan2-53B有效降低了模型幻觉。
经过FacTool评测后的结果显示,Baichuan2-53B的综合得分为140.5,在主流基础大模型中仅排在GPT-4之后,处于国内领先水平。
FacTool是由上海交通大学、卡内基梅隆大学、香港城市大学、Meta 等机构学者共同提出的一款通用框架,能够查核大模型生成内容的事实准确性(也能查核一般性内容的事实准确性)。
项目地址:https://github.com/GAIR-NLP/factool
能力升级,推理100% up
其实,Baichuan2-53B已经是百川智能发布的第6款大模型了。
4月10日百川智能成立后,就一直在以惊人的速度创新,迭代的速度竟然达到了平均每28天就推出一款大模型!
早在8月8日Baichuan2-53B刚发布时,它就表现出了优异的知识问答、文学创作才能。
如果要问,评价一款大模型是否领先的重要指标是什么,相信「数学和逻辑推理能力」,会是诸多业内人士给出的答案。
这次,在Baichuan-53B的基础上,Baichuan2-53B就重点强化了数学和逻辑推理的能力,并且,还对整体能力进行了全面升级。
具体来说,它的逻辑推理能力提升100%,数学能力提升31%,语言理解能力提升29%,文本创作提升18%,知识问答提升9%。
数学推理
数学能力大升级的Baichuan2-53B,做起数学应用题来当然是不在话下。
比如,两个数的和是572,其中一个加数个位上是0,去掉0后,就与第二个加数相同。那么,这两个数分别是?
Baichuan2-53B列出了方程式,假设一个加数是10A,另一个为B,然后根据已知条件,得出正解。
再比如下题中,Baichuan2-53B先计算出来了总运输收入,然后除以每箱玻璃亏损的钱,就得到了损坏的玻璃箱数。
再来个经典的「两地相距多少千米」的问题,Baichuan2-53B通过分步计算,得出了正确答案。
推理方面,先来个简单的问题:天气预报本周三会下雨,昨天果然下雨了,今天是星期几?
Baichuan2-53B毫不费力,直接得出「星期四」!
接下来,推理难度稍微升级一下:假设有一个池塘,里面有无穷多的水。
现有两个空水壶,容积分别为5升和6升。问如何只有这2个水壶,从池塘里取得3升的水?
Baichuan2-53B行云流水地开始作答,6步内给出了正确答案。
经过多轮的测试可以发现,升级后的Baichuan2-53B的数学和逻辑推理能力,果然不可同日而语。在曾经不太擅长的题目上,它都有了大幅提升。
时效问题
而在时效性这方面,Baichuan2-53B的表现可谓十分优异。
杭州亚运会刚刚开幕,年龄最小的选手竟然仅有9岁。Baichuan2-53B在最新的问题上,也答对了。
甚至,Baichuan2-53B准确地解释了,特斯拉刚刚公布的人形机器人Optimus背后神经网络原理。
再比如,今年9月上旬,第80届威尼斯电影节在意大利落幕。
此次电影节,是否有中国电影和演员获奖?
Baichuan2-53B立刻回答出,李鸿其的《爱是一把枪》获得了最佳长片首作,梁朝伟获得了终身成就金狮奖。
梅老板与大巴黎的合约今年6月底到期,在7月正式加盟迈阿密国际。
对此,Baichuan2-53B也是了如指掌。
同样,它还可以准确地告诉你小德一共拿了24次大满贯,包括2023年的这一次。
开放API,正式进军商用
不仅如此,这次Baichuan2-53B还正式开放了API接口,可以让企业和开发者将模型集成到自己的应用和服务中。
API地址:https://platform.baichuan-ai.com
这项服务是否有门槛呢?
可以说,几乎没有。Baichuan2-53B的API接口相当便捷易用,只需要简单的配置和集成,就可以接入了。
而且,它对OpenAI的接口高度兼容,这样就可以让客户快速迁移,无论是模型的部署成本还是转换成本,都大大降低。
总之,现在无论是智能客服、智能写作还是智能推荐,都能得到大模型的能力加持。
要说企业用户最关注的,莫过于安全合规问题了。
对此也无需担心。
作为首批通过《生成式人工智能服务管理暂行办法》备案的大模型企业,百川智能为Baichuan2-53B打造了覆盖大模型预训练、精调、推理全周期的安全增强,可以说,全流程都在安全保障之下。
而借助着Baichuan2-53B丰富强大的模型能力,企业用户不仅可以让已有业务升级、减低成本,还能探索更多的应用场景。
可以相信,就在此刻,已经有一大波令人印象深刻的创新,正在土壤中被酝酿了。
参考资料:
https://www.baichuan-ai.com/home
苹果下调自研车自动驾驶目标 推迟自研车上市时间
1月24日,据外媒报道,苹果公司的汽车开发项目遭遇挫折,导致该款汽车的发布日期较原计划推迟了两年。自2014年启动以来,苹果的“泰坦项目”经历了一系列重组、裁员、领导层变动和战略调整。尽管每年投入高达10亿美元,但目前该项目仍未进入正式的原型阶段。站长网2024-01-24 14:00:100000爱尔兰数据监管机构:不要仓促实施生成式人工智能禁令
爱尔兰数据保护负责人周四表示,生成式人工智能,如OpenAI的ChatGPT,需要受到监管,但管理机构必须弄清楚如何正确地做到这一点,而不是匆忙出台站不住脚的禁令。爱尔兰数据保护委员会DPC负责人HelenDixon:「它需要受到监管,现在的问题是弄清楚如何对它进行适当的监管。对于爱尔兰数据保护委员会来说,我们正努力了解这项技术、大型语言模型以及训练数据的来源。」站长网2023-04-21 15:54:500001腾讯文档月活跃用户超过2亿 AI智能助手将支持更多应用场景
腾讯文档在2023年度新品发布会上发布了多款云智一体生态新品,并宣布月活跃用户超过2亿。腾讯文档在8月份正式发布了AI能力,通过“智能助手”形式,支持基于标题的智能写作、内容归纳、辅写润色和续写等,提升文档写作效率。未来,智能助手还将进入更多应用场景,例如文本、表格数据智能处理、PPT美化、思维导图生成等。站长网2023-09-07 14:39:140000腾讯云智能数智人工厂升级 1分钟素材即可1小时生成数字分身
近日,腾讯云智能数智人工厂全新升级,覆盖三大方向:生成效率更高、应用场景更广、3D数智人生产运营更智能。其中,全新发布“通用口型版”小样本数智人,只需要1分钟真人口播视频,平台便可通过多模态数据输入,无需训练生成个性化口型,在1小时内制作出与真人近似的“数智人”。站长网2023-09-10 15:45:040000考勤打卡提醒异常!钉钉紧急修复 官方道歉:耽误大家准点下班了
快科技8月1日消息,今日晚间,钉钉官博发文,称今天下午17点30分,钉钉考勤打卡的提醒出现异常(实际打卡已成功,仅返回信息有延迟),经紧急处理,该异常已经于17点45分修复完毕。钉钉表示:耽搁大家准点下班万分抱歉!(下次就算崩也尽量在上班的时候崩)”。有网友调侃道,我以为我们公司崩了,原来是你崩了”点了多次,还以为是自己网络有问题,原来是你”。站长网2023-08-01 21:35:010000