·“很多人認為大模型是工程問題，但事實上并不是。大模型里存在很多科學問題，比如智能涌現、復雜推理、知識融合以及學習策略等等。”

·“大模型的平民化”，即最終要讓應用大模型的每個人都覺得成本可以接受，包括微調、預訓練、推理部署。

復旦大學計算機科學技術學院教授、MOSS大模型負責人邱錫鵬在外灘大會見解論壇。

“現在的大模型比較耗資源，但總體而言它的資源消耗都集中在預訓練階段。除了算力需求大之外，很多人認為大模型是工程問題，但事實上并不是。大模型里存在很多科學問題，比如智能涌現、復雜推理、知識融合以及學習策略等等?！?/p>

9月7日，復旦大學計算機科學技術學院教授、MOSS大模型負責人邱錫鵬在外灘大會見解論壇“大語言模型消除人機鴻溝：人類主體性是強化還是弱化”上發表主旨演講，演講題目為“大型語言模型的科學挑戰”。

“自然語言處理已經進入大模型時代。由早期的專家系統到深度學習，再到現在參數量上千億或萬億的大模型，總體上進入參數量和訓練數據都大規模發展的狀態。但這些千億模型或百億模型不是最近才出現的，可能兩年前就有了。”邱錫鵬說。

這自然引出一個疑問，為什么兩年前不叫大模型？

邱錫鵬解釋道，之所以現在叫“大模型”，關鍵因素在于其內涵和使用方式發生了變化。以前是把一個語言模型作為基座，運用到不同任務中，每個任務要微調（fine tuning）一個自己的模型。而現在大語言模型有了新的內涵，即一個模型能夠解決所有問題。

在ChatGPT出現后，大語言模型變得更加流行，邱錫鵬認為這是因為其泛化能力非常好，只需要少量學習人類的一些指令，就能夠泛化到很多其他的、甚至沒有見過的指令上，“這就是大語言模型帶來的涌現效應。”

據邱錫鵬介紹，現在做大模型研發有3個非常重要的準則，也叫“HHH準則”。

第一是有用性（Helpful），“我們跟GPT-4還是有非常大的差異，雖然都可以用來完成日常的對話聊天，但這個差異在于能不能用其完成非常復雜的任務。這是非常重要的一點。”邱錫鵬說。

其次是誠實性（Honest），邱錫鵬解釋道，也就是說大模型知道的要說，不知道的不說，這就涉及到現在廣泛提及的“幻覺”問題（指模型生成不正確、無意義或不真實的文本），這也是非常難，非常有挑戰性的問題。

第三是無害性（Harmless），“因為語言模型在訓練時見過非常多的數據，其中包含好的與不好的，要讓它對齊（alignment，使系統的目標和人類價值觀一致），不要產生具有冒犯性、歧視性、有害的內容。”邱錫鵬表示，“這3個準則就是新的時代我們做大語言模型時主要考慮的3個目標。不過這3個是比較寬泛的原則，具體又可以細化出非常多的研究點?！?/p>

今年2月20日晚，邱錫鵬領導的團隊發布國內首個類ChatGPT的對話式大型語言模型MOSS，邀請公眾參與內測，一經發布就引起極高參與熱情。

在論壇上，邱錫鵬也談到MOSS的發布，“它是國內第一個發布的類ChatGPT模型，我們也是最早提出開源的插件增強版本，比OpenAI的發布都更早。”邱錫鵬的團隊當時意識到，語言模型不只是用來對話，最重要的是它作為使用工具和外部世界相連接時對人的賦能?！拔覀儸F在也在不斷提高，會有些更新的結果，在原來的能力基礎上取得大幅提升?！?/p>

邱錫鵬所提及的正在進行的工作，一個值得注意的方向是“大模型的平民化”，即最終要讓應用大模型的每個人都覺得成本可以接受，包括微調、預訓練、推理部署。“像現在買一臺英偉達A100服務器的成本，不是所有單位都能方便采用的，非常重要的就是如何去低成本優化這些模型”。

邱錫鵬也提到一些具體方法，如高效的參數微調方法，“但這些方法都有一定缺陷，總體上來講調的參數量越小，模型能力就會越差?！蹦懿荒軈盗坎蛔?，但把成本降下來？

邱錫鵬團隊提出一個名為LOMO的優化器，將它稱為低內存的優化。它可以做到什么程度呢？“比如一個非常大的，如650億參數的開源模型，全量微調原來需要10臺8卡的英偉達A100，那現在用一臺8卡的英偉達RTX3090就可以微調它了。這樣的話成本就會非常低，并且是全量參數，微調并沒有損失它的性能，這樣沒有太多資源的人也都可以去優化這些大模型。”

“最近OpenAI的一位創始人公布了他們的整個流程，包括大概的花費。在整個大模型的訓練階段，可以看到第一階段需要高算力，但在其他階段的算力投入并不是很大，這里面有非常多的研究空間。之前大家總以為做大模型就需要買好多張顯卡，確實需要一定的卡，但不是需要特別多。如果細分到后面的幾個步驟，可能就需要幾十張卡，幾周時間就可以完成?！鼻皴a鵬表示。