挖掘GPT的隐藏实力科技创新素材摘抄200字自然场景中的智能助手

克雷西在凹非寺的量子位公众号QbitAI，分享了一个GitHub新项目，它能够让ChatGPT完成复杂任务，并且支持GPT3.5和GPT-4。这个项目通过将问题拆解并调用外部资源，提高了GPT的工作能力。在经过调教之后，GPT-4回答的准确率从68%提高到了85%。

开发者使用MMLU数据集分别对调教前后的GPT-4进行了测试。结果显示，未经调教的版本只答对了68%，而调教后的版本答对了85%。顺便提一句，真人专家在测试中的平均成绩是89.8%。

数学方面，也使用MMLU数据集进行测试，选择了15个大学难度的问题。虽然准确率只有60%，但比原版GPT的40%已经好了太多。此前有人发现，在输入给GPT的指令中加入“let’s think step by step”可以提高回复的准确率。

SmartGPT会帮助用户把问题拆分，然后按照步骤提交给GPT。此前有人发现，在输入给GPT的指令中加入“let’s think step by step”可以提高回复的准确率。而且,GPT-4具有回溯能力，可以发现并指出自己此前回答中的错误。这两个特性为SmartGPT提供了一定的支撑。

上述步骤受到了三篇学术论文启发，这三篇论文关于“链式提示方式”、“动态记忆及让LLM自我回溯”和“用对话提高LLM完成度”。与其他工具相比，比如AutoGPT等，都能优化一些，但Smartgpt好在其推理能力更强、配置过程更简单，而且有更多自由度。

不过，该项目刚推出，不久，因此稳定性还待考证，还有内存优化方面还有所欠缺，对环境资源消耗也更多。在项目推出后，有网友表示低估了AI潜力，即包括OpenAI自己。不过目前暂无开箱可用的版本，只能自行在Linux环境搭建。如果你愿意尝试的话，可以访问以下地址：

https://github.com/Cormanz/smartgpt

相关论文链接：

[1]. https://arxiv.org/abs/2305.02897

[2]. https://arxiv.org/abs/2303.11366

[3]. https://arxiv.org/abs/2303.17071

参考链接：

[1]. https://www.youtube.com/watch?v=wVzuvf9D9BU

[2]. https://www.reddit.com/r/singularity/comments/13axo1r/gpt_4_is_smarter_than_you_think_introducing/

— 完 —