撰文：TanyaMalhotra
来源：Marktechpost
编译：DeFi之道
图片来源：由无界版图AI工具生成
随着生成性人工智能在过去几个月的巨大成功，大型语言模型正在不断改进。这些模型正在为一些值得注意的经济和社会转型做出贡献。OpenAI开发的ChatGPT是一个自然语言处理模型，允许用户生成有意义的文本。不仅如此，它还可以回答问题，总结长段落，编写代码和电子邮件等。其他语言模型，如Pathways语言模型、Chinchilla等，在模仿人类方面也有很好的表现。
周杰伦联名NFT Tiger Champs销售时间将延长48小时至6月27日:6月24日消息，周杰伦与巴黎圣日耳曼足球俱乐部联名推出PFP NFT项目Tiger Champs在Discord表示，NFT销售时间将延长48小时至北京时间6月27日20:00。此外，在第一个24小时购买的用户将会获得2个NFT空投，在之后24小时购买的用户将会获得1个NFT空投。
据Crypto.com网站数据，Tiger Champs总量为1万个，已于6月23日21:00开启销售，目前剩余9338个。[2022/6/24 1:29:30]
大型语言模型使用强化学习来进行微调。强化学习是一种基于奖励系统的反馈驱动的机器学习方法。代理通过完成某些任务并观察这些行动的结果来学习在一个环境中的表现。代理在很好地完成一个任务后会得到积极的反馈，而完成地不好则会有相应的惩罚。像ChatGPT这样的LLM表现出的卓越性能都要归功于强化学习。
Chainlink Labs聘请谷歌TensorFlow前产品管理总监担任首席产品官:金色财经报道，去中心化预言机提供商Chainlink Labs宣布，谷歌开源软件库 TensorFlow 的前产品管理总监Kemal El Moujahid 已加入其公司担任首席产品官。在从事 TensorFlow 工作之前，El Moujahid 曾在 Meta (前 Facebook) 工作，并负责推出了Messenger 平台。
El Moujahid 表示：在区块链和预言机开发的关键时刻加入 Chainlink Labs，我感到非常兴奋。我相信智能合约正在从根本上改变世界，让世界变得更美好，而 Chainlink 处于独特的位置，可以通过支持数百万开发人员和建设者将这种创新提升到新的高度。[2022/5/17 3:21:41]
ChatGPT使用来自人类反馈的强化学习，通过最小化偏差对模型进行微调。但为什么不是监督学习呢？一个基本的强化学习范式由用于训练模型的标签组成。但是为什么这些标签不能直接用于监督学习方法呢？人工智能和机器学习研究员SebastianRaschka在他的推特上分享了一些原因，即为什么强化学习被用于微调而不是监督学习。
全链式去中心化交易所Sifchain透露可能会推迟代币销售时间:全链式去中心化交易所Sifchain发推称，可能会将代币销售时间推迟几个小时、一天或更长时间，旨在改善Gas限制等问题，以避免Gas竞标战。团队正努力在截止日期前完成工作。
据此前报道，Sifchain发文称，已更新其代币销售规则，代币销售和测试网（BetaNet）将于2021年2月3日启动。[2021/2/3 18:47:12]
Riot Blockchain正在挖掘比特币现金，并将其自动转换为比特币:Riot是一家总部位于科罗拉多州的区块链科技公司，在矿业领域投入了大量资金。该公司正在挖掘比特币现金（BCH），但定期与比特币（BTC）进行交易。BCH的开采是由于该公司认为比特币现金比比特币更有利可图，尽管他们不支持BCH。[2018/5/1]
不使用监督学习的第一个原因是，它只预测等级，不会产生连贯的反应；该模型只是学习给与训练集相似的反应打上高分，即使它们是不连贯的。另一方面，RLHF则被训练来估计产生反应的质量，而不仅仅是排名分数。
SebastianRaschka分享了使用监督学习将任务重新表述为一个受限的优化问题的想法。损失函数结合了输出文本损失和奖励分数项。这将使生成的响应和排名的质量更高。但这种方法只有在目标正确产生问题-答案对时才能成功。但是累积奖励对于实现用户和ChatGPT之间的连贯对话也是必要的，而监督学习无法提供这种奖励。
不选择SL的第三个原因是，它使用交叉熵来优化标记级的损失。虽然在文本段落的标记水平上，改变反应中的个别单词可能对整体损失只有很小的影响，但如果一个单词被否定，产生连贯性对话的复杂任务可能会完全改变上下文。因此，仅仅依靠SL是不够的，RLHF对于考虑整个对话的背景和连贯性是必要的。
监督学习可以用来训练一个模型，但根据经验发现RLHF往往表现得更好。2022年的一篇论文《从人类反馈中学习总结》显示，RLHF比SL表现得更好。原因是RLHF考虑了连贯性对话的累积奖励，而SL由于其文本段落级的损失函数而未能很好做到这一点。
像InstructGPT和ChatGPT这样的LLMs同时使用监督学习和强化学习。这两者的结合对于实现最佳性能至关重要。在这些模型中，首先使用SL对模型进行微调，然后使用RL进一步更新。SL阶段允许模型学习任务的基本结构和内容，而RLHF阶段则完善模型的反应以提高准确性。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。