汽車元宇宙，是概念還是未來？
作者｜何文 元宇宙是未來趨勢已經無需驗證。 從概念上來看，元宇宙是兩種存在多年的概念的融合：虛擬現實和數字第二人生。這也就意味著，元宇宙所代表的是一種新的數
微軟最新研究再次證明了提示工程的威力 ——
無需額外微調，無需專家策劃，僅憑提示，GPT-4 就能化身“專家”。
使用他們提出的最新提示策略 Medprompt，在醫療專業領域，GPT-4 在 MultiMed QA 九個測試集中取得最優結果。
在 MedQA 數據集 (美國醫師執照考試題) 上，Medprompt 讓 GPT-4 的準確率首次超過 90%，超越 BioGPT 和 Med-PaLM 等一眾微調方法。
研究人員還表示 Medprompt 方法是通用的，不僅適用于醫學，還可以推廣到電氣工程、機器學習、法律等專業中。
這項研究在 X（原 Twitter）一經分享，就引發眾多網友關注。
沃頓商學院教授 Ethan Mollick、Artificial Intuition 作者 Carlos E. Perez 等都有轉發分享。
Carlos E. Perez 直呼“出色的提示策略可以甩微調一大截”：
有網友表示早就有這種預感，現在能看到結果出來，真的是“so cool”：
還有網友表示這真的很“激進”：
GPT-4 是一項能改變行業的技術，而我們還遠沒有觸及提示的極限，也未達到微調極限。
Medprompt 是多種提示策略的組合體，包含三大法寶：
動態少樣本選擇（Dynamic few-shot selection）
自生成思維鏈（Self-generated chain of thought）
選項洗牌集成（Choice shuffling ensemble）
下面我們來一一介紹。
少樣本學習是讓模型快速學習上下文的一種有效的方法。簡單來說，就是輸入一些示例，讓模型快速適應特定領域，并學習遵循任務的格式。
這種用于特定任務提示的少樣本示例通常是固定的，所以對示例的代表性和廣泛性有較高的要求。
之前一種方法是讓領域專家手動制作范例，但即便如此，也不能保證專家策劃的固定的少樣本示例在每個任務中都有代表性。
因此，微軟研究人員提出了動態少樣本示例的方法。
想法是，任務訓練集可以作為少樣本示例的來源，如果訓練集足夠大，那就可以為不同的任務輸入選擇不同的少樣本示例。
具體來說，研究人員先利用 text-embedding-ada-002 模型為每個訓練樣本和測試樣本生成向量表示。然后，對于每個測試樣本，基于向量相似度，從訓練樣本中挑選出最相似的 k 個樣本。
與微調方法相比，動態少樣本選擇利用了訓練數據，但不需要對模型參數進行大量更新。
自生成思維鏈思維鏈（CoT）方法就是讓模型一步一步思考，生成一系列中間推理步驟。
之前一種方法也是依賴專家手動編寫少量的帶有提示思維鏈的示例。
在這里，研究人員發現，可以簡單地要求 GPT-4 使用以下提示為訓練示例生成思維鏈：
但研究人員也指出這種自動生成的思維鏈可能包含錯誤的推理步驟，于是設置了一個驗證標簽作為過濾器，可以有效減少錯誤。
與在 Med-PaLM 2 模型中專家手工制作的思維鏈示例相比，GPT-4 生成的思維鏈基本原理更長，而且分步推理邏輯更細粒度。
選項洗牌集成除此之外，GPT-4 在做選擇題時，可能會存在一種偏見，就是不管選項內容是什么，它會偏向總是選擇 A，或者總是選擇 B，這就是位置偏差。
為了減少這個問題，研究人員選擇將原來的選項順序打亂重排。比如原先選項是 ABCD，可以變成 BCDA、CDAB。
然后讓 GPT-4 做多輪預測，每輪使用選項的一個不同排列順序。如此一來“迫使”GPT-4 考慮選項的內容。
最后對多輪預測結果做個投票，選擇最一致、正確的選項。
將以上幾種提示策略組合在一起就是 Medprompt，下面來看測試結果。
多項測試最優在測試中，研究人員采用了 MultiMed QA 評估基準。
使用 Medprompt 提示策略的 GPT-4，在 MultiMedQA 的九個基準數據集中均取得最高分，優于 Flan-PaLM 540B、Med-PaLM 2。
此外研究人員還討論了 Medprompt 策略在“Eyes-Off”數據上的表現，也就是在訓練或優化過程中模型未曾見過的數據中的表現，用于檢驗模型是否過擬合訓練數據。
結果 GPT-4 結合 Medprompt 策略在多個醫學基準數據集上表現出色，平均準確率達到了 91.3%。
研究人員還在 MedQA 數據集上進行了消融實驗，探索了三個組件對于整體性能的相對貢獻。
其中自動生成思維鏈步驟對性能提升的貢獻最大。
而且 GPT-4 自動生成的思維鏈比 Med-PaLM 2 中專家策劃的得分更高：
最后，研究人員還探索了 Medprompt 的跨域泛化能力，取用了 MMLU 基準中的六個不同的數據集，涵蓋了電氣工程、機器學習、哲學、專業會計、專業法律和專業心理學的問題。
還添加了另外兩個包含 NCLEX（美國護士執照考試）問題的數據集。
結果顯示，Medprompt 在這些數據集上的效果與在 MultiMedQA 醫學數據集上的提升幅度相近，平均準確率提高了 7.3%。
論文鏈接：https://arxiv.org/ pdf / 2311.16452.pdf
參考鏈接：
[1]https://twitter.com/erichorvitz/status/1729854235443884385
[2]https://twitter.com/emollick/status/1729733749657473327
本文來自微信公眾號：量子位 （ID：QbitAI），作者：西風
本文鏈接：http://www.www897cc.com/showinfo-45-2804-0.html微軟僅憑「提示工程」讓 GPT-4 成醫學專家！超過一眾高度微調模型，專業測試準確率首次超 90%
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
上一篇： Meta 推出 Seamless Communication AI 翻譯套件：支持近百種語言輸入、同聲延遲僅 2 秒
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