2024-12-12 科技 0
克雷西，发自凹非寺
量子位 公众号 QbitAI
这个GitHub新项目，将让ChatGPT完成复杂任务，它支持GPT3.5和GPT-4。它通过将问题拆解，并调用外部资源，提高了GPT的工作能力。在它的调教下，GPT-4回答的准确率从68%提高到了85%。
我们也用倒拔垂杨柳的问题进行了测试，提供了诸葛亮、孙悟空和林黛玉三个选项。需要说明的是，由于没有GPT-4的API，测试是按照开发者介绍的方法手工完成的。当然了，个例并不能说明它的表现，还是要用数据集测试一下。
开发者使用了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，也同样使用MMLU数据集进行测试，但准确率只有60%，但比原版GPT高出很多。这就好比在自然之中挖掘隐藏实力一样，在科技小发明与手工简易创造中，我们可以发现更多可能。
SmartGPT中的环节形象地被比作职场中的角色：“甲方”指的是用户，“经理”将任务拆分成高级子任务并逐一汇报给“老板”，而“员工”接收任务编写伪代码交给“小黄人”执行。“小黄人”则将伪代码优化成LUA脚本并运行。
作为用户，只需像使用普通GPT一样输入问题，而不必给出额外指令。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，同时,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，这些特性为SmartGpt工作提供重要支撑。
以上两个特性为Smartgpt工作流程图所示。在用户输入完指令后，它会处理拆分，并添加类似表述；然后传至API，并重复多次获取不同的答案；接着发送要求其回溯答案选择最优解；最后展示最佳答案给用户。这受到了三篇学术论文启发，其内容分别关于链式提示方式、动态记忆及让LLM自我回溯以及用对话提高LLM完成度。
和其他工具相比，如AutoGPt等，它们同样可以用来优化GPt，但是Smartgpt拥有更强大的推理能力，因为其工作原理是将任务形成逻辑链条。此外，无论对于用户还是开发人员，其配置过程都更简单。不过由于刚推出，不稳定性有待考证，在内存优化方面还有所欠缺，因此消耗环境资源较多。但许多网友表示低估了GPt潜力，就连OpenAI自己也不例外。你期待GPt未来的表现吗？
目前暂无开箱可用的版本，但你可以根据项目页面上的指导体验：
项目地址：https://github.com/Cormanz/smartgpt
项目涉及到的论文：
[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 —
