來源：優(yōu)維科技UWin

大型語言模型是 2023 年生成式人工智能熱潮背后的推動力。然而，它們已經(jīng)存在了一段時間了。

LLM是黑盒 AI 系統(tǒng)，它使用深度學(xué)習(xí)對超大數(shù)據(jù)集進行處理，以理解和生成新文本?，F(xiàn)代 LLM 開始成型于 2014 年，當(dāng)時一篇題為“通過聯(lián)合學(xué)習(xí)對齊和翻譯的神經(jīng)機器翻譯”的研究論文中引入了注意力機制（一種旨在模仿人類認知注意力的機器學(xué)習(xí)技術(shù)）。2017 年，另一篇論文“注意力就是你所需要的”中引入了 Transformer 模型，這種注意力機制得到了進一步完善。當(dāng)今一些最著名的語言模型都是基于 transformer 模型的，包括生成式預(yù)訓(xùn)練 transformer 系列LLM 和來自 transformer 的雙向編碼器表示 (BERT)。ChatGPT運行在 OpenAI 的一組語言模型上，在 2022 年發(fā)布后僅兩個月就吸引了超過 1 億用戶。此后，許多競爭模型相繼發(fā)布。其中一些屬于谷歌和微軟等大公司；另一些則是開源的。

以下是當(dāng)今最相關(guān)的一些大型語言模型。它們進行自然語言處理并影響未來模型的架構(gòu)。

BERTBERT是 Google 于 2018 年推出的 LLM 系列。BERT 是一種基于 Transformer 的模型，可以將數(shù)據(jù)序列轉(zhuǎn)換為其他數(shù)據(jù)序列。BERT 的架構(gòu)是 Transformer 編碼器的堆棧，具有 3.42 億個參數(shù)。BERT 在大量數(shù)據(jù)上進行了預(yù)訓(xùn)練，然后進行了微調(diào)以執(zhí)行特定任務(wù)以及自然語言推理和句子文本相似性。它被用于提高 Google 搜索 2019 年迭代中的查詢理解能力。

Claude

Claude 法學(xué)碩士專注于體質(zhì)人工智能，它以一系列原則為指導(dǎo)塑造人工智能輸出，這些原則有助于它所支持的人工智能助手有用、無害且準(zhǔn)確。Claude 由 Anthropic 公司創(chuàng)建。Claude 法學(xué)碩士的最新版本是 Claude 3.0。

CohereCohere 是一個企業(yè) AI 平臺，提供多種 LLM，包括 Command、Rerank 和 Embed。這些LLM 可以根據(jù)特定公司的用例進行定制訓(xùn)練和微調(diào)。創(chuàng)建 Cohere LLM 的公司是由《Attention Is All You Need》的作者之一創(chuàng)立的。Cohere 的優(yōu)勢之一是它不依賴于單一云——不像 OpenAI 那樣依賴于 Microsoft Azure。

Ernie

Ernie 是百度的大型語言模型，為 Ernie 4.0 聊天機器人提供支持。該機器人于 2023 年 8 月發(fā)布，已擁有超過 4500 萬用戶。據(jù)傳 Ernie 擁有 10 萬億個參數(shù)。該機器人最適合普通話，但也能夠處理其他語言。

Falcon 40B

Falcon 40B 是一種基于 Transformer 的因果解碼器專用模型，由技術(shù)創(chuàng)新研究所開發(fā)。它是開源的，并基于英語數(shù)據(jù)進行訓(xùn)練。該模型還有兩個較小的版本：Falcon 1B 和 Falcon 7B（10 億和 70 億個參數(shù)）。亞馬遜已在Amazon SageMaker上提供 Falcon 40B 。它也可以在 GitHub 上免費獲取。

Gemini

Gemini是 Google 的 LLM 系列，為該公司的同名聊天機器人提供支持。該模型取代了 Palm 為聊天機器人提供支持，在模型切換后，聊天機器人從 Bard 更名為 Gemini。Gemini 模型是多模式的，這意味著它們可以處理圖像、音頻和視頻以及文本。Gemini 還集成在許多 Google 應(yīng)用程序和產(chǎn)品中。它有三種尺寸——Ultra、Pro 和 Nano。Ultra 是最大、功能最強大的模型，Pro 是中端模型，Nano 是最小的模型，專為提高設(shè)備上任務(wù)的效率而設(shè)計。Gemini 在大多數(shù)評估基準(zhǔn)上都優(yōu)于 GPT-4。

Gemma

Gemma是 Google 的開源語言模型系列，使用與 Gemini 相同的資源進行訓(xùn)練。Gemma 有兩種規(guī)?！?0 億參數(shù)模型和 70 億參數(shù)模型。Gemma 模型可以在個人電腦本地運行，并且在多個評估基準(zhǔn)上超越了類似規(guī)模的 Llama 2 模型。

GPT-3

GPT-3是 OpenAI 于 2020 年發(fā)布的大型語言模型，擁有超過 1750 億個參數(shù)。GPT-3 采用僅解碼器的 Transformer 架構(gòu)。2022 年 9 月，微軟宣布獨家使用 GPT-3 的底層模型。GPT-3 比其前身大 10 倍。GPT-3 的訓(xùn)練數(shù)據(jù)包括 Common Crawl、WebText2、Books1、Books2 和 Wikipedia。GPT-3 是 OpenAI 公開參數(shù)計數(shù)的 GPT 系列模型中的最后一款。GPT 系列于 2018 年首次推出，當(dāng)時 OpenAI 發(fā)表了一篇論文《通過生成式預(yù)訓(xùn)練提高語言理解能力》。

GPT-3.5GPT-3.5 是 GPT-3 的升級版，參數(shù)更少。GPT-3.5 使用來自人類反饋的強化學(xué)習(xí)進行了微調(diào)。GPT-3.5 是支持 ChatGPT 的 GPT 版本。據(jù) OpenAI 稱，有幾種模型，其中 GPT-3.5 turbo 是最強大的。GPT-3.5 的訓(xùn)練數(shù)據(jù)延伸到 2021 年 9 月。它也曾被集成到 Bing 搜索引擎中，但后來被 GPT-4 取代。

GPT-4GPT-4是OpenAI 的 GPT 系列中最大的模型，于 2023 年發(fā)布。與其他模型一樣，它也是基于 Transformer 的模型。與其他模型不同的是，它的參數(shù)數(shù)量尚未向公眾公布，盡管有傳言稱該模型的參數(shù)數(shù)量超過 170 萬億。OpenAI 將 GPT-4 描述為多模態(tài)模型，這意味著它可以處理和生成語言和圖像，而不僅限于語言。GPT-4 還引入了系統(tǒng)消息，讓用戶可以指定語調(diào)和任務(wù)。GPT-4 在多項學(xué)術(shù)考試中表現(xiàn)出了與人類水平相當(dāng)?shù)谋憩F(xiàn)。在該模型發(fā)布時，有人猜測 GPT-4 已經(jīng)接近通用人工智能(AGI)，這意味著它與人類一樣聰明甚至比人類更聰明。GPT-4 為 Microsoft Bing 搜索提供支持，可在 ChatGPT Plus 中使用，最終將集成到 Microsoft Office 產(chǎn)品中。

GPT-4oGPT-4 Omni（GPT-4o）是 OpenAI 的 GPT-4 繼任者，與之前的模型相比有多項改進。GPT-4o 為 ChatGPT 創(chuàng)造了更自然的人機交互，是一個大型多模態(tài)模型，接受音頻、圖像和文本等各種輸入。對話讓用戶可以像在正常的人類對話中一樣參與，實時互動還可以捕捉情緒。GPT-4o 可以在交互過程中查看照片或屏幕并提出相關(guān)問題。GPT-4o 的響應(yīng)時間僅為 232 毫秒，與人類的響應(yīng)時間相似，比 GPT-4 Turbo 更快。GPT-4o 模型是免費的，將提供給開發(fā)者和客戶產(chǎn)品。

LamdaLamda（對話應(yīng)用語言模型）是 Google Brain 于 2021 年發(fā)布的 LLM 系列。Lamda 使用了僅解碼器的轉(zhuǎn)換器語言模型，并在大量文本語料庫上進行了預(yù)訓(xùn)練。2022 年，當(dāng)時的谷歌工程師 Blake Lemoine 公開聲稱該程序具有感知能力， LaMDA 引起了廣泛關(guān)注。它建立在 Seq2Seq 架構(gòu)上。

Llama大型語言模型 Meta AI (Llama) 是 Meta 于 2023 年發(fā)布的 LLM。最大版本的大小為 650 億個參數(shù)。Llama 最初發(fā)布給經(jīng)批準(zhǔn)的研究人員和開發(fā)人員，但現(xiàn)在已開源。Llama 的規(guī)模較小，使用、測試和實驗所需的計算能力較少。Llama 使用轉(zhuǎn)換器架構(gòu)，并在各種公共數(shù)據(jù)源上進行訓(xùn)練，包括 CommonCrawl、GitHub、Wikipedia 和 Project Gutenberg 的網(wǎng)頁。Llama 被有效泄露并衍生出許多后代，包括 Vicuna 和 Orca。

MistralMistral 是一個 70 億參數(shù)的語言模型，在所有評估基準(zhǔn)上都優(yōu)于 Llama 類似規(guī)模的語言模型。Mistral 還擁有一個經(jīng)過微調(diào)的模型，專門用于遵循指令。其較小的尺寸使其能夠?qū)崿F(xiàn)自托管，并具有出色的業(yè)務(wù)性能。它是根據(jù) Apache 2.0 許可證發(fā)布的。

OrcaOrca 由微軟開發(fā)，擁有 130 億個參數(shù)，這意味著它足夠小，可以在筆記本電腦上運行。它旨在通過模仿 LLM 實現(xiàn)的推理過程來改進其他開源模型所取得的進步。Orca 以明顯更少的參數(shù)實現(xiàn)了與 GPT-4 相同的性能，并且在許多任務(wù)上與 GPT-3.5 相當(dāng)。Orca 建立在 130 億個參數(shù)版本的 LLaMA 之上。

PathwaysPathways 語言模型是谷歌推出的一款基于 5400 億參數(shù)轉(zhuǎn)換器的模型，為它的 AI 聊天機器人Bard提供支持。該模型在多個TPU 4 Pod（谷歌為機器學(xué)習(xí)定制的硬件）上進行訓(xùn)練。Palm 擅長推理任務(wù)，例如編碼、數(shù)學(xué)、分類和問答。Palm 還擅長將復(fù)雜任務(wù)分解為更簡單的子任務(wù)。PaLM 的名稱源自 Google 的一項研究計劃，該計劃旨在構(gòu)建 Pathways，最終創(chuàng)建一個單一模型，作為多種用例的基礎(chǔ)。Palm 有多個經(jīng)過微調(diào)的版本，包括用于生命科學(xué)和醫(yī)療信息的 Med-Palm 2 以及用于網(wǎng)絡(luò)安全部署以加快威脅分析的 Sec-Palm。

Phi-1Phi-1 是微軟推出的一款基于 Transformer 的語言模型。Phi-1 僅包含 13 億個參數(shù)，在一系列教科書級數(shù)據(jù)上訓(xùn)練了四天。Phi-1 是使用更高質(zhì)量數(shù)據(jù)和合成數(shù)據(jù)進行訓(xùn)練的小型模型趨勢的一個例子。特斯拉前人工智能總監(jiān)、OpenAI 員工 Andrej Karpathy 在推文中寫道：“我們可能會看到更多富有創(chuàng)意的縮減工作量的做法：優(yōu)先考慮數(shù)據(jù)質(zhì)量和多樣性而不是數(shù)量，生成更多的合成數(shù)據(jù)，以及小型但功能強大的專家模型?！盤hi-1 專注于Python編碼，由于規(guī)模較小，通用能力較差。

StableLMStableLM 是 Stability AI 開發(fā)的一系列開源語言模型，該公司是圖像生成器 Stable Diffusion 的幕后推手。截至撰寫本文時，已有 30 億和 70 億參數(shù)模型可用，150 億、300 億、650 億和 1750 億參數(shù)模型正在開發(fā)中。StableLM 的目標(biāo)是透明、可訪問且支持性強。

Vicuna 33B

Vicuna 是另一個有影響力的開源 LLM，源自 Llama。它由 LMSYS 開發(fā)，并使用 sharegpt.com 的數(shù)據(jù)進行了微調(diào)。根據(jù)幾個基準(zhǔn)測試，它比 GPT-4 更小、功能更弱，但對于其大小的模型來說，它表現(xiàn)不錯。Vicuna 只有 330 億個參數(shù)，而 GPT-4 有數(shù)萬億個參數(shù)。