MOSS系統負責人邱錫鵬表示，最新的MOSS已經能夠在中文能力上超過ChatGPT，可以通過使用工具來為用戶提供幫助，并在預防“有害道德”方面做了很多優化。

邱錫鵬認為，通用大模型除了算力需求大以外，目前依然在可信性、安全性、邏輯性等方面存在許多挑戰，里面有非常多的科學問題并沒有被解決，這些都需要高校研究團隊進行重大科研攻關。

7月7日，在2023世界人工智能大會“大模型時代的通用人工智能產業發展機遇以及風險”論壇上，復旦大學計算機科學技術學院教授、MOSS系統負責人邱錫鵬表示，國內首個對話式大型語言模型MOSS在今年2月發布后，還在連續不停地迭代，“最新的MOSS已經能夠在中文能力上超過ChatGPT。”

(資料圖片僅供參考)

邱錫鵬在演講中表示，目前MOSS可以通過使用工具來為用戶提供幫助。例如MOSS本身不會繪畫，但它可以調用文字生成圖片的插件來達到效果。而對于算數運算，MOSS也可以調用計算器和解方程器來完成復雜的數學解題。如果向MOSS詢問原有知識庫里沒有的實時信息，MOSS可以調用搜索引擎，根據反饋的結果進一步回答，例如每天抓取新聞，為用戶匯總新聞鏈接與內容。

邱錫鵬透露，MOSS發布后，團隊把一部分精力放在如何打通使用工具的能力，并在4月推出了開源插件版的模型MOSS-Plugin。“作為模型和外界交互的一種非常重要的方式，插件能力在未來是非常重要的。”他說。

值得一提的是，MOSS在預防“有害道德”方面也做了很多優化。“對于違背道德的問題，MOSS會避免回答，我們通過優化讓MOSS具有非常強的道德感。”邱錫鵬同時表示，MOSS還可以進行角色扮演，實現個性化上的優化。

此外，邱錫鵬表示，現在所謂的大型語言模型成本高，主要是集中在第一階段，即預訓練（Pretraining）。“我們的大模型不是大公司才能玩得起，以后高校、普通愛好者和學生都可以玩大模型。” 邱錫鵬指出，后面階段的成本相對來說并不是特別高，例如預訓練后的監督微調、迭代優化、推理部署、模型評測等階段。但這些階段才是真正的挑戰，“前面的預訓練階段并不適合所有人來研究，但是后面有非常多的科學問題需要我們進一步研究。”

大模型僅僅只是工程問題，高校和學術團體做大模型沒有意義？邱錫鵬并不這么認為。公司投入金錢與工程師來推進工程的確重要，但大模型如果僅僅靠公司是沒辦法真正做好的。“大模型里有非常多的科學問題需要廣大研究者參與。如果離開了學術團隊，大模型可能會缺少非常多的理論和技術支撐。”

邱錫鵬進一步指出，“通用大模型除了算力需求大以外，目前依然在可信性、安全性、邏輯性等方面存在許多挑戰，這里面有非常多的科學問題并沒有被解決，比如智能如何涌現、復雜推理如何實現、高效架構、學習策略，以及如何做更好的知識融合，這些都需要高校研究團隊進行重大科研攻關。”

復旦團隊將圍繞MOSS持續開展大模型其他方面的研究，包括能力強化、知識對齊、模態融合和開源開放，進一步邁向通用人工智能。

邱錫鵬在論壇中還介紹了正在建設中的開源語言模型平臺OpenLMLab，該平臺的下層將對接國產通用框架和預訓練模型庫，而上層會面向大模型生態方面的應用。

據介紹，OpenLMLab集對話模型、模型微調、模型對比和模型評測等領域于一體。MOSS是該開源平臺的對話模型，而COLLiE是模型微調的工具庫，將來會進行強化學習迭代。此外，該平臺支持AI生成文本檢測軟件Sniffer和快速對比多個對話大模型效果的工具ChatZoo。

邱錫鵬在演講結尾還介紹了一款名為Gaokao的工具，基于高考題目進行模型評測。“我們認為，現在有許多大模型的榜單都不太全面或權威，然而人類的考試是非常全面和權威的，例如高考。基于它，我們可以評測各種大模型的能力。高考的題目還有另一個好處，由于每年高考題目都會更新，基本上大模型不太會存在刷題的嫌疑，因此每年都可以有新題目來比較不同的大模型。”

（原標題：《復旦邱錫鵬：MOSS中文能力已超ChatGPT，可進行角色扮演》）

標簽：