6 月 7 日，上海人工智能實(shí)驗(yàn)室（上海 AI 實(shí)驗(yàn)室）、商湯科技聯(lián)合香港中文大學(xué)、復(fù)旦大學(xué)及上海交通大學(xué)發(fā)布千億級(jí)參數(shù)大語(yǔ)言模型“書(shū)生·浦語(yǔ)”（InternLM）。

“書(shū)生·浦語(yǔ)”具有 1040 億參數(shù)，是在包含 1.6 萬(wàn)億 token 的多語(yǔ)種高質(zhì)量數(shù)據(jù)集上訓(xùn)練而成。

上海人工智能實(shí)驗(yàn)室稱(chēng)，全面評(píng)測(cè)結(jié)果顯示，“書(shū)生·浦語(yǔ)”不僅在知識(shí)掌握、閱讀理解、數(shù)學(xué)推理、多語(yǔ)翻譯等多個(gè)測(cè)試任務(wù)上表現(xiàn)優(yōu)秀，而且具備很強(qiáng)的綜合能力，因而在綜合性考試中表現(xiàn)突出，在多項(xiàng)中文考試中取得超越 ChatGPT 的成績(jī)，其中就包括中國(guó)高考各科目的數(shù)據(jù)集（GaoKao）。

聯(lián)合團(tuán)隊(duì)選取了 20 余項(xiàng)評(píng)測(cè)對(duì)其進(jìn)行檢驗(yàn)，其中包含全球最具影響力的四個(gè)綜合性考試評(píng)測(cè)集——由伯克利加州大學(xué)等高校構(gòu)建的多任務(wù)考試評(píng)測(cè)集 MMLU；由微軟研究院推出的學(xué)科考試評(píng)測(cè)集 AGIEval（含中國(guó)高考、司法考試及美國(guó) SAT、LSAT、GRE 和 GMAT 等）；由上海交通大學(xué)、清華大學(xué)和愛(ài)丁堡大學(xué)合作構(gòu)建的面向中文語(yǔ)言模型的綜合性考試評(píng)測(cè)集 C－Eval；由復(fù)旦大學(xué)研究團(tuán)隊(duì)構(gòu)建的高考題目評(píng)測(cè)集 Gaokao。

“書(shū)生·浦語(yǔ)”在考試評(píng)測(cè)上取得優(yōu)秀成績(jī)，但仍然存在不少局限性。

比如，“書(shū)生·浦語(yǔ)” 受限于 2K 的語(yǔ)境窗口長(zhǎng)度（GPT－4 的語(yǔ)境窗口長(zhǎng)度為 32K），在長(zhǎng)文理解、復(fù)雜推理、撰寫(xiě)代碼以及數(shù)理邏輯演繹等方面還存在明顯局限。另外，在實(shí)際對(duì)話(huà)中，大語(yǔ)言模型還普遍存在幻覺(jué)、概念混淆等問(wèn)題。

這些局限使得大語(yǔ)言模型“書(shū)生·浦語(yǔ)”在開(kāi)放場(chǎng)景中的使用還有很長(zhǎng)的路要走。