虽然生成式AI技术近年来迅速发展，但前Salesforce高管Richard Socher认为仍有改进的空间。在《哈佛商业评论》的一期播客中，Socher讨论了如何通过迫使大型语言模型以代码的形式回应提示，来提升这些模型的水平。
目前，大型语言模型依靠根据之前的数据预测下一个标记。虽然这些模型在阅读理解和编码能力方面表现出色，但它们往往会出现”幻觉”，即它们会产生错误的事实性错误。当面对复杂的数学问题时，这个问题尤为突出。
Socher提供了一个大型语言模型可能遇到困难的问题示例：”如果我在婴儿出生时给了他5000美元投资于无费股票指数基金，并假设年平均回报的一定百分比，到2-5岁时他们会有多少钱？”模型不会仔细思考问题并进行必要的计算，而是根据它之前遇到的类似问题生成文本。
为了克服这一限制，Socher提出”强制”模型将问题翻译成计算机代码，并根据该代码生成答案。通过这样做，模型更有可能提供准确的回应。Socher提到，在他的人工智能搜索引擎You.com中，他们已经能够将问题翻译成Python代码。
与仅仅拓展数据和计算能力的常见方法相比，Socher认为编程将在推进大型语言模型方面发挥关键作用。通过教授这些模型编码，它们将会获得更深入的理解和更多样化的问题解决能力。这种编程方法将使它们能够应对更复杂的任务。
随着OpenAI的GPT-4和Google的Gemini为首的大型语言模型之间竞争的加剧，Socher的观点为推进人工智能能力提供了新的角度。强制AI模型编码而不仅仅依靠拓展数据，可能释放它们的全部潜力，并在该领域取得重大进展。
通过编码提升大型语言模型的常见问题解答（FAQ）
问：当前大型语言模型存在什么问题？
答：当前大型语言模型在面对复杂问题时产生准确回应的能力有限，特别是需要进行数学计算的问题。它们经常出现幻觉，即生成错误的事实性错误。
问：如何克服这些限制的方案是什么？
答：Richard Socher提议“强制”大型语言模型将问题翻译成计算机代码，并根据该代码生成答案。通过这样做，模型更有可能提供准确的回应。
问：将问题翻译成代码如何改善模型？
答：将问题翻译成代码有助于模型更深入地理解问题，并使其能够进行必要的计算。这种方法增强了模型的问题解决能力，并提高了准确回应的可能性。
问：该方法是否在任何人工智能搜索引擎中实施过？
答：是的，在You.com这个人工智能搜索引擎中，他们成功地将问题翻译成Python代码，以提高回应准确性。
问：这种编码方法如何与传统的拓展数据和计算能力方法不同？
答：Socher认为教授大型语言模型编码在推进其能力方面至关重要，而不仅仅依靠拓展数据。通过对模型进行编程，它们能够更深入地理解问题，并具备更多样化的解决复杂任务的能力。
问：Socher的观点在大型语言模型的竞争中有何特色？
答：Socher的观点提供了一个新的角度来推进人工智能能力。强制AI模型编码释放了它们的全部潜力，可能导致该领域的重大进展。
关键词/行话：
– 生成式AI技术：指能够根据现有数据中的模式和例子生成新数据的AI模型。
– 语言模型：专门设计用于生成和理解人类语言的AI模型。
– 幻觉：在AI语言模型的背景下，指产生错误的事实性错误。
– 标记：在语言模型中，标记是指一段文本，通常是一个词或一个字符。
– Python代码：Socher举例说明提升大型语言模型的代码翻译所使用的编程语言。
相关链接推荐：
OpenAI – OpenAI的官方网站，以其GPT-4等大型语言模型而闻名。
Google – 谷歌的官方网站，该公司背后有诸如Gemini等大型语言模型。
The source of the article is from the blog papodemusica.com