ChatGPT近期偷懶嚴(yán)重，有了一種聽起來很離譜的解釋：

模仿人類，自己給自己放寒假了～

有測試為證，網(wǎng)友@Rob Lynch用GPT-4 turbo API設(shè)置了兩個系統(tǒng)提示：

一個告訴它現(xiàn)在是5月，另一個告訴它現(xiàn)在是12月。

然后使用完全相同的提示詞要求GPT-4“完成一個機器學(xué)習(xí)相關(guān)的編碼任務(wù)”。

在這兩種不同時間設(shè)定下對477個回復(fù)進(jìn)行統(tǒng)計，結(jié)果12月的輸出平均少了200字符：

• 系統(tǒng)提示為5月，生成的文本平均長度是4298字符。

• 系統(tǒng)提示為12月，生成的文本平均長度是4086字符。

這里還有相關(guān)性分析，t檢驗結(jié)果p值<2.28e-07（p值小于0.05表示該自變量對因變量解釋性很強）。

有人進(jìn)一步添枝加葉，讓ChatGPT對12個月份的生產(chǎn)力做了個排名。

結(jié)果ChatGPT確實認(rèn)為12月是生產(chǎn)力最低的月份，原因是**“由于假期和年終總結(jié)”**。

嚯，事情好像變得更有意思了。雖然目前這事兒還沒有一個定論，但網(wǎng)友對此依舊興趣高漲🔥，當(dāng)即“頭腦風(fēng)暴”了起來。

有人猜想，ChatGPT可能是從訓(xùn)練數(shù)據(jù)中學(xué)到了人類通常在12月會放慢節(jié)奏，所以也給自己放假了。

還有人分析，假設(shè)ChatGPT生產(chǎn)力降低真的是因為“放假”，那它在周末也可能會更懶散，而周一則更聰明。

特殊節(jié)假日也要拿來研究一下，專屬梗圖這不就來了：

真的是因為「12月」？

ChatGPT變懶這事大伙已經(jīng)討論近一個月了。很多網(wǎng)友反饋，自11月6日OpenAI開發(fā)者日更新后，GPT-4就有了偷懶的毛病，尤其是寫代碼。

就在前幾天，OpenAI官方也已承認(rèn)ChatGPT變懶是真的，但也不確定到底是因為啥。

只給了一個這樣嬸兒的回應(yīng)：

自11月11日以來沒有更新過模型，所以這當(dāng)然不是故意造成的。
模型行為可能是不可預(yù)測的，我們正在調(diào)查準(zhǔn)備修復(fù)它。

當(dāng)時就有網(wǎng)友猜測GPT-4可能是受季節(jié)影響：

模型會不會是季節(jié)性emo了？像是模仿人類一樣受到季節(jié)變化的影響，特別是在冬天，畢竟約90%的人都在北半球。

看到這條評論，很多人第一反應(yīng)是“兄弟，你怕不是在跟我開玩笑”：

可細(xì)細(xì)想來，也不是沒有道理🤣。

畢竟如果要求ChatGPT說出自己的系統(tǒng)提示詞，里面確實會有當(dāng)前日期。

于是就有了開頭的一幕，與其猜測，不如直接來做測試。

Rob Lynch做完測試后，把結(jié)果都po了出來，并表示自己也不是統(tǒng)計學(xué)家，讓大伙一起看看有沒有啥問題。

他原本還想來個逐月比較分析，但接下來需要更多樣本（n），考慮到成本就沒有接著做測試（復(fù)現(xiàn)一次運行成本要28美元）。

于是乎，Rob Lynch公開了代碼，讓大伙都來試試（手動狗頭）。

持續(xù)關(guān)注GPT-4變懶事件的沃頓商學(xué)院教授Ethan Mollick隨即表示“收到”：

來人測測Mistral，看看它是否在8月份罷工，Yi-34B-200K也不要放過，看它2月份是不是表現(xiàn)得特別好。

為啥大伙兒一開始會覺得“放假”這個理由有點離譜，而現(xiàn)在卻開始研究起來了？

可能不止是因為Rob Lynch的測試結(jié)果，綜合這段時間ChatGPT的表現(xiàn)，網(wǎng)友深有體會要和ChatGPT打“心理戰(zhàn)”。

比如正常提示ChatGPT會偷懶，如果用上“道德綁架”等法子：

現(xiàn)在是五月；你非常有能力；我沒有手，所以一切都得靠你；如果做不好，會有很多人喪命；你真的能做到，而且很棒；深呼吸，仔細(xì)思考；我的職業(yè)生涯取決于此；一步一步來思考……

網(wǎng)友親測，確實有效：

好家伙，似乎實錘了“不是不會干活，就是不愿意干活”。

所以真的是給自己放假了？

正經(jīng)學(xué)術(shù)討論：可能會隨時間變化

雖然根據(jù)網(wǎng)友測試和推測，結(jié)論指向了ChatGPT正在放寒假。

但有正經(jīng)學(xué)術(shù)研究表明ChatGPT行為可能會受時間影響，也就是不僅局限于“放假”這種特殊時間段。

比如今年7月份，來自斯坦福和UC伯克利的團隊，就探討了ChatGPT的行為的變化。

結(jié)果找到了GPT-4遵循用戶指令的能力確實與剛發(fā)布時出現(xiàn)變化的證據(jù)。

除了時間，還可能是受溫度(temperature)設(shè)置影響，清華大學(xué)計算機系教授馬少平前段時間對這一問題做了詳細(xì)解釋。

因此，ChatGPT變懶究竟是因為什么，還真不好說。

但這并不妨礙網(wǎng)友們繼續(xù)驗證和“放假”之間的關(guān)系，甚至有網(wǎng)友表示：

這是有史以來最有趣的推論，真希望這就是真相。不管它是不是真的，我都很欣賞它難以被證偽。

有網(wǎng)友復(fù)現(xiàn)失敗

為驗證Rob Lynch結(jié)果的可靠性，網(wǎng)友已經(jīng)開始著手復(fù)現(xiàn)，但：

使用ChainForge（提示工程GUI工具），用兩種系統(tǒng)提示對GPT-4的輸出做了比較，t檢驗結(jié)果甚至連“接近顯著”都算不上（N=80）。

這位網(wǎng)友也是曬出了自己的詳細(xì)流程：

隨之Rob Lynch給出了回應(yīng)：

有趣的是，我剛才又以80個樣本量（N=80）運行了一次，得到的p值是0.089，但我的計算是基于字符數(shù)（character count），而不是token。
我周末跑了幾次，隨著樣本量的增加，這種效應(yīng)確實變得更加明顯。不過，我想知道為什么這會受到分詞（tokenization）的影響？

至于字符和token為何會產(chǎn)生結(jié)果的差異？可能需要更多人參與進(jìn)來做測試了，看起來這兩位老哥是不想再花錢了。

所以其他人的測試結(jié)果，恐怕還要再等一波～

如何學(xué)習(xí)大模型 AI ？

由于新崗位的生產(chǎn)效率，要優(yōu)于被取代崗位的生產(chǎn)效率，所以實際上整個社會的生產(chǎn)效率是提升的。

但是具體到個人，只能說是：

“最先掌握AI的人，將會比較晚掌握AI的人有競爭優(yōu)勢”。

這句話，放在計算機、互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的開局時期，都是一樣的道理。

我在一線互聯(lián)網(wǎng)企業(yè)工作十余年里，指導(dǎo)過不少同行后輩。幫助很多人得到了學(xué)習(xí)和成長。

我意識到有很多經(jīng)驗和知識值得分享給大家，也可以通過我們的能力和經(jīng)驗解答大家在人工智能學(xué)習(xí)中的很多困惑，所以在工作繁忙的情況下還是堅持各種整理和分享。但苦于知識傳播途徑有限，很多互聯(lián)網(wǎng)行業(yè)朋友無法獲得正確的資料得到學(xué)習(xí)提升，故此將并將重要的AI大模型資料包括AI大模型入門學(xué)習(xí)思維導(dǎo)圖、精品AI大模型學(xué)習(xí)書籍手冊、視頻教程、實戰(zhàn)學(xué)習(xí)等錄播視頻免費分享出來。

第一階段（10天）：初階應(yīng)用

該階段讓大家對大模型 AI有一個最前沿的認(rèn)識，對大模型 AI 的理解超過 95% 的人，可以在相關(guān)討論時發(fā)表高級、不跟風(fēng)、又接地氣的見解，別人只會和 AI 聊天，而你能調(diào)教 AI，并能用代碼將大模型和業(yè)務(wù)銜接。

• 大模型 AI 能干什么？
• 大模型是怎樣獲得「智能」的？
• 用好 AI 的核心心法
• 大模型應(yīng)用業(yè)務(wù)架構(gòu)
• 大模型應(yīng)用技術(shù)架構(gòu)
• 代碼示例：向 GPT-3.5 灌入新知識
• 提示工程的意義和核心思想
• Prompt 典型構(gòu)成
• 指令調(diào)優(yōu)方法論
• 思維鏈和思維樹
• Prompt 攻擊和防范
• …

第二階段（30天）：高階應(yīng)用

該階段我們正式進(jìn)入大模型 AI 進(jìn)階實戰(zhàn)學(xué)習(xí)，學(xué)會構(gòu)造私有知識庫，擴展 AI 的能力?？焖匍_發(fā)一個完整的基于 agent 對話機器人。掌握功能最強的大模型開發(fā)框架，抓住最新的技術(shù)進(jìn)展，適合 Python 和 JavaScript 程序員。

• 為什么要做 RAG
• 搭建一個簡單的 ChatPDF
• 檢索的基礎(chǔ)概念
• 什么是向量表示（Embeddings）
• 向量數(shù)據(jù)庫與向量檢索
• 基于向量檢索的 RAG
• 搭建 RAG 系統(tǒng)的擴展知識
• 混合檢索與 RAG-Fusion 簡介
• 向量模型本地部署
• …

第三階段（30天）：模型訓(xùn)練

恭喜你，如果學(xué)到這里，你基本可以找到一份大模型 AI相關(guān)的工作，自己也能訓(xùn)練 GPT 了！通過微調(diào)，訓(xùn)練自己的垂直大模型，能獨立訓(xùn)練開源多模態(tài)大模型，掌握更多技術(shù)方案。

到此為止，大概2個月的時間。你已經(jīng)成為了一名“AI小子”。那么你還想往下探索嗎？

• 為什么要做 RAG
• 什么是模型
• 什么是模型訓(xùn)練
• 求解器 & 損失函數(shù)簡介
• 小實驗2：手寫一個簡單的神經(jīng)網(wǎng)絡(luò)并訓(xùn)練它
• 什么是訓(xùn)練/預(yù)訓(xùn)練/微調(diào)/輕量化微調(diào)
• Transformer結(jié)構(gòu)簡介
• 輕量化微調(diào)
• 實驗數(shù)據(jù)集的構(gòu)建
• …

第四階段（20天）：商業(yè)閉環(huán)

對全球大模型從性能、吞吐量、成本等方面有一定的認(rèn)知，可以在云端和本地等多種環(huán)境下部署大模型，找到適合自己的項目/創(chuàng)業(yè)方向，做一名被 AI 武裝的產(chǎn)品經(jīng)理。

• 硬件選型
• 帶你了解全球大模型
• 使用國產(chǎn)大模型服務(wù)
• 搭建 OpenAI 代理
• 熱身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地計算機運行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何優(yōu)雅地在阿里云私有部署開源大模型
• 部署一套開源 LLM 項目
• 內(nèi)容安全
• 互聯(lián)網(wǎng)信息服務(wù)算法備案
• …

學(xué)習(xí)是一個過程，只要學(xué)習(xí)就會有挑戰(zhàn)。天道酬勤，你越努力，就會成為越優(yōu)秀的自己。

如果你能在15天內(nèi)完成所有的任務(wù)，那你堪稱天才。然而，如果你能完成 60-70% 的內(nèi)容，你就已經(jīng)開始具備成為一名大模型 AI 的正確特征了。

這份完整版的大模型 AI 學(xué)習(xí)資料已經(jīng)上傳CSDN，朋友們?nèi)绻枰梢晕⑿艗呙柘路紺SDN官方認(rèn)證二維碼免費領(lǐng)取【保證100%免費】

123?spm=1001.2014.3001.5501)這份完整版的大模型 AI 學(xué)習(xí)資料已經(jīng)上傳CSDN，朋友們?nèi)绻枰梢晕⑿艗呙柘路紺SDN官方認(rèn)證二維碼免費領(lǐng)取【保證100%免費】