AIGC產品測評TOP25丨誰能搶到下個十年的“船票”？
Tech星球（微信ID：tech618）
文 | 何煦陽策劃 | 楊曉鶴封面來源 | 圖蟲創意 2016年，李彥宏站在百度聯盟峰會的講臺上，向所有人宣布：互聯網的下一幕是人工智能。同年，Google 旗下 Dee
各家大模型紛紛卷起上下文窗口，Llama-1 時標配還是 2k，現在不超過 100k 的已經不好意思出門了。
然鵝一項極限測試卻發現，大部分人用法都不對，沒發揮出 AI 應有的實力。
AI 真的能從幾十萬字中準確找到關鍵事實嗎？顏色越紅代表 AI 犯的錯越多。
默認情況下，GPT-4-128k 和最新發布的 Claude2.1-200k 成績都不太理想。
但 Claude 團隊了解情況后，給出超簡單解決辦法，增加一句話，直接把成績從 27% 提升到 98%。
只不過這句話不是加在用戶提問上的，而是讓 AI 在回復的開頭先說：
“Here is the most relevant sentence in the context:”
（這就是上下文中最相關的句子：）
讓大模型大海撈針為了做這項測試，作者 Greg Kamradt 自掏腰包花費了至少 150 美元。
好在測試 Claude2.1 時，Anthropic 伸出援手給他提供了免費額度，不然還得多花 1016 美元。
其實測試方法也不復雜，都是選用 YC 創始人 Paul Graham 的 218 篇博客文章當做測試數據。
在文檔中的不同位置添加特定語句：在舊金山最好的事情，就是在陽光明媚的日子坐在多洛雷斯公園吃一個三明治。
請 GPT-4 和 Claude2.1 僅僅使用所提供的上下文來回答問題，在不同上下文長度和添加在不同位置的文檔中反復測試。
最后使用 Langchain Evals 庫來評估結果。
作者把這套測試命名為“干草堆里找針 / 大海撈針”，并把代碼開源在 GitHub 上，已獲得 200 + 星，并透露已經有公司贊助了對下一個大模型的測試。
幾周后，Claude 背后公司 Anthropic 仔細分析后卻發現，AI 只是不愿意回答基于文檔中單個句子的問題，特別是這個句子是后來插入的，和整篇文章關系不大的時候。
也就是說，AI 判斷這句話和文章主題無關，就偷懶不去一句一句找了。
這時就需要用點手段晃過 AI，要求 Claude 在回答開頭添加那句“Here is the most relevant sentence in the context:”就能解決。
使用這個辦法，在尋找不是后來人為添加、本來就在原文章中的句子時，也能提高 Claude 的表現。
Anthropic 公司表示將來會不斷地繼續訓練 Claude，讓它能更適應此類任務。
在 API 調用時要求 AI 以指定開頭回答，還有別的妙用。
創業者 Matt Shumer 看過這個方案后補充了幾個小技巧：
如果想讓 AI 輸出純 JSON 格式，提示詞的最后以“{”結尾。同理，如果想讓 AI 列出羅馬數字，提示詞以“I:”結尾就行。
不過事情還沒完……
國內大模型公司也注意到了這項測試，開始嘗試自家大模型能不能通過。
同樣擁有超長上下文的月之暗面 Kimi 大模型團隊也測出了問題，但給出了不同的解決方案，也取得了很好的成績。
這樣一來，修改用戶提問 Prompt，又比要求 AI 在自己的回答添加一句更容易做到，特別是在不是調用 API，而是直接使用聊天機器人產品的情況下。
月之暗面還用自己的新方法幫 GPT-4 和 Claude2.1 測試了一下，結果 GPT-4 改善明顯，Claude2.1 只是稍微改善。
看來這個實驗本身有一定局限性，Claude 也是有自己的特殊性，可能與他們自己的對齊方式 Constituional AI 有關，需要用 Anthropic 自己提供的辦法更好。
后來，月之暗面的工程師還搞了更多輪實驗，其中一個居然是……
壞了，我成測試數據了。
參考鏈接：
[1]https://x.com/GregKamradt/status/1727018183608193393
[2]https://www.anthropic.com/index/claude-2-1-prompting
本文來自微信公眾號：量子位 （ID：QbitAI），作者：夢晨
本文鏈接：http://www.tebozhan.com/showinfo-45-2886-0.html一句話解鎖 100k + 上下文大模型真實力，27 分漲到 98，GPT-4、Claude2.1 適用
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號