AI 文摘

傅盛揭穿OpenAI「阳谋」,引130万人围观!百亿参数模型帮老板打王者,一张3060就能跑





作者: 新智元 来源: 新智元

****新智元报道

编辑:编辑部

####【新智元导读】 就在刚刚,OpenAI的最大秘密,被傅盛在130万人面前揭穿!百亿参数,竟能在企业级应用中媲美千亿级大模型;一张3060,就能帮老板打到「王者」!

当全世界都在为GPT Store上线而兴奋时,谁又看到了OpenAI的「阳谋」?

当你把合同、财务、业务数据等公司机密都传给ChatGPT时,或许并未意识到:每一次使用ChatGPT,都是在帮OpenAI提升模型「智商」。

正如GPT Store的发布,让众多初创公司一夜暴毙。而他们始终也没有搞明白,为什么自己300万美元的公司,最后变成了一张500美元的OpenAI API代金券。

去参加开发者大会的每个人都会得到一张OpenAI给的API代金券

现在,Altman不说的秘密,终于被揭开了——

企业应用,百亿参数就够了

很长一段时间,千亿参数大模型都被认为是商业化应用的最佳方案。

但直接基于API使用,会有数据泄露给例如OpenAI这些模型供应商的风险。那最好的办法就是私有化部署。然而面对如此规模的模型,光授权费就要数千万。

对此,老板们纷纷表示,我就是想解决个客服问题而已,就没有便宜的方案吗?

就在今天,性价比更高的方案来了——猎户星空正式官宣了一款千亿级效果的百亿大模型。

测试显示,在百亿参数+应用打磨的加持下,模型对于专业场景问题的回答已经超越了GPT-4。而且,只要千元显卡即可运行!

140亿参数的模型,达到了千亿级的效果

话不多说,先上跑分。

可以看到,Orion-14B在众多20B规模的模型中,遥遥领先。

不仅在MMLU、C-Eval、CMMLU、GAOKAO、BBH等主流测试集上拿下SOTA。

而且,在OpenCompass综合测评的中文数据集上,总分位列700亿参数以下基座模型第一。

此外,Orion-14B还具备极强的多语言能力——在日语、韩语开源模型评测中也拿下了全球第一,堪称是「出海之光」。

日文为JNLI等8项评测集平均得分;韩文为COPA等4项评测集平均得分;中文英文为OpenCompass对应语言评测集平均得分

在目前业内公认最权威的大模型长文本准确度测试方法「大海捞针」中,Orion-14B直接拿下了200K token全绿的成绩。

甚至,最高还可以支持320K的超长上下文,相当于一次性看完小半本《三体》(45万汉字)。

顺带一提,此前有报道指出,有不少大模型为了在榜单中「刷新SOTA」,竟然直接拿基准测试里面的「真题」和「答案」来训练。

对此,猎户星空表示,自己大模型的成绩绝对真实,完全没有刷过题。

####模型开源一手实测:幻觉消失了

目前,Orion-14B已经全面开源,并且可以直接在线上体验。

GitHub:https://github.com/OrionStarAI/Orion

Hugging Face:https://huggingface.co/OrionStarAI

ModelScope:https://modelscope.cn/studios/OrionStarAI/Orion-14B-App-Demo/summary

技术报告:https://github.com/OrionStarAI/Orion/blob/master/doc/Orion14B_v3.pdf

比如,告诉它插入表格数据的基本信息,然后输出SQL语句。

Orion-14B按要求用SQL编程语言完成了任务。

你还可以上传文档给到Orion-14B,然后模型可以基于文档内容给出回应。

这样,企业私有领域的数据,就可以在下游应用中把模型作用发挥到极致。

举个栗子,上传一些关于交通法的文档片段,当用户询问哪些情况不能超车,Orion-14B就会根据已有的内容准确回答,不会瞎猜出现幻觉。

Orion-14B还可以根据输入一段话内容,将其变成QA对。

比如室内装饰构造虚拟仿真教学软件的产品的5点价值,以及应用领域和适用对象。

一大段内容输入后,模型就能将其拆分、理解,得到不同的QA对话。

此外,当你输入一封邮件的内容,Orion-14B模型还可以抽取数据,发件人、邮箱、联系方式,都可以清晰地分列出来。

微调「全家桶」媲美千亿模型,入门级显卡可跑

可以看到,在AI大潮下,只有在私有化数据加持下的大模型,才能给企业持久的竞争力。

而为企业应用而生的猎户星空大模型,凭借着「全家桶」级的微调能力,可以在专业场景里实现媲美千亿级模型的效果。

具体来说,猎户星空大模型涵盖了七大应用微调方向:

通用对话微调、插件微调、RAG微调、长Token微调、知识抽取微调、问答对生成微调、日韩文微调。

其中,基础对话能力微调模型(Orion-14B-Chat)专注于提升对话能力,尤其在理解历史消息和角色扮演方面显示出更高的准确性。

这一版本能够捕捉对话上下文中的细微变化,并根据不同角色和场景做出相应的反应,从而提供更加自然、连贯的对话体验。

除此之外,猎户星空还在两个大模型应用的主流方向上深入打磨——检索增强生成(RAG)和Agent。

####两大重点:RAG和Agent

尽管当前大模型的能力令人印象深刻,但并非无懈可击。它们或因训练数据时效,token长度等限制,可能会输出误导性信息,进而产生「幻觉」。

有时,LLM也会因缺乏专业领域知识,在处理特定领域的问题时,力不能及。尤其是对于企业内部的信息,让LLM自由发挥就更加容易出错。

但有了私有知识的加持,它的回答就精准多了。

RAG的诞生,就是为了补足这一块短板。

来源:https://arxiv.org/pdf/2312.10997.pdf

目前流行的大模型应用开发框架Llama-Index、LangChain等,都包含了RAG的部分。但是框架数量虽然多,在实际部署时却一言难尽,工程搭建繁琐,效果不理想,企业可能搞了半年都上不了线。

相比之下, 猎户星空的RAG能力微调模型(Orion-14B-RAG),则通过针对知识边界控制、问答对生成、幻觉控制、结构化数据提取等能力进行专项微调,使其成为了最适合开发RAG应用的微调模型。

基于此,企业便能够快速整合自身知识库,构建定制化应用。

除了RAG,拓宽大模型应用的另一条重要路径,便是Agent。

OpenAI应用人工智能研究主管Lilian Weng去年的一篇博客,曾掀起Agent讨论热潮。基于大模型构建的Agent,拥有强大的语言理解和处理能力,可以自动化完成各种任务。

除了耳熟能详的AutoGPT、BabyAGI等,还有OpenAI官宣的「定制GPTs」,都属于Agent的范围。

举个栗子,HuggingGPT利用ChatGPT作为控制器,连接HuggingFace社区中的各种AI模型,来完成多模态复杂任务。

一夜爆火的MetaGPT,能扮演各种角色,在内部监督代码生成,提高代码质量。

更有网友用MetaGPT智能体框架,仅在10分钟就做出小游戏Flappy Bird,让低成本的软件开发成为现实。

而猎户星空的插件能力微调模型(Orion-14B-Plugin),则通过增强模型根据用户问题调用最适配工具的能力,并将插件的结果与模型的处理相结合,来解决更复杂的问题。

具体来说,研究团队针对意图识别、函数调用、缺槽反问、单轮抽参、多轮抽参等能力进行专项微调,使其成为了最适合构建Agent应用的微调模型。

由此,也让猎户星空大模型在Agent应用所需的五种能力上,几乎追平了GPT-4——

意图识别成功率90.3%;首轮抽参成功率100%;多轮抽参成功率90.19%;缺槽反问成功率91.07%;插件调用成功率91.37%。

相比之下,一般的百亿参数大模型表现不超过70%。

####千元即可商用:RTX 3060都能跑

此外,为满足小企业需求,猎户星空大模型还推出了几乎无损的INT4量化版本(损失<1%)。

通过AWQ Q4量化技术,研究团队不仅让模型大小直降了70%,而且还使推理速度也提升了30%。

换句话说就是,只需一张消费级显卡,如NVIDIA RTX 3060,就能实现每秒最高31 tokens(约50个汉字)的输出。

而在私有化部署方面,也可以轻松地将服务器和企业数据控制在内网之中,甚至还提供全套开源免费可商用资源和社区技术支持。

独家推出企业使用AI的三个段位

在大会上,傅盛抛出这样一个观点:企业使用AI,有三个段位。

青铜段位,是用AI做文案、做图。黄金段位,是数字员工。但AIGC其实最重要的,还是王者段位。

在此段位,全过程都由AI参与。王者段位的企业,应该选择用私有大模型+强应用套件,来实现数字员工和辅助决策。

不过,虽然现在大模型百花齐放,但猎户星空却在实践中发现,企业需要的不是「大模型」,而是能够结合业务流并解决自身痛点的大模型应用。

曾经,傅盛和朱啸虎的这场辩论,引发了全网关注。

当时傅盛表示,做好应用,依然是创业者最好的机会。

现在,猎户星空来交卷了!

会上,傅盛重磅发布了AI辅助决策交钥匙解决方案「聚言」,可以为企业提供全链条的定制化AI大模型咨询和解决方案服务。

可以预见,在以上所有这些能力的共同加持下,一个崭新的时代即将来临——每个企业都会有私有化大模型。

「数字老板」是个啥?

值得一提的是,相比于别人做的「数字员工」,猎户星空竟然选择了做「数字老板」!

不过,这其中的原因很简单,猎户星空在自己应用AI时,发现了不少业内秘密——

大模型在企业中无法即插即用,而只靠员工自主探索,也很难实现企业AI应用上的增效,必须针对整个流程,进行AI重构。

而有了「数字老板」之后,老就们就可以全面掌握经营细节。人力资产、云资产、数字资产,全天候细节无遗漏。

####人力助手:一口气看完2000份周报,发掘潜力员工

前一阵曝出英伟达的员工每人都要向CEO老黄提交周报,老黄是怎么看完的呢?当然是用AI。

猎户星空的这位「数字老板」,就能做到这点。

比如,只需问一句,人力助手就能把公司收到的近2000份周报汇总起来,并提炼出主要的业务进展和潜在的风险。

之后,还可以继续询问某项具体风险的应对方案。而AI便会完全依据周报的内容,给出回答。

此外,AI还可以根据周报分析团队的实际效率,并给出优化建议。

更厉害的是,当AI完全掌握了公司的私有数据时,还能帮你预测出员工的潜力!

比如,海外销售业务最有可能成为销冠的三个人是谁。

AI就会根据海外销售业务的特点,创建出一个得分系统,然后根据数据分析给出结果,并同时附上非常直观的图表。

如此一来,不仅能像英伟达的黄老板一样,每天处理数百封邮件,跟进数十个项目,还能减少决策失误,提高效率。

####云资产助手:成本直降30%,立省85万刀

对于另一项开销大头「云」来说,技术人员通常都希望服务器越多越好,而老板们虽然搞不懂,但依然需要为越来越贵的云成本买单。

为此,猎户星空推出了云资产助手——一个利用不同领域云治理专家经验训练的专业领域大模型。

具体来说,AI会通过深挖云数据的底层逻辑,对客户的云上资源和成本账单数据进行多维度分析,从而进一步剖析运营成本痛点。

然后,再基于此自动生成切实可行的解决方案,并附上高质量的成本优化报告。

而且,当老板对某个图表或概念产生疑问时,只需和AI多聊两句,就可以获得答案。

####聚言创意助手:N个专家,直接为你出谋划策

如今,老板的智囊团成本越来越高,内部有共同的认知盲区,而外部的智囊团,又成本太高、周期太长。

这样的后果就是,每次讨论决策的时间越来越长。

为此,猎户星空推出了一个由多个Agent组成的「智囊团」——聚言创意助手,可以让各个领域的专家直接为你出谋策划。

比如,去年爆火的旅游城市景德镇、淄博,再到哈尔滨,你能想象到,AI参与这次谋划会如何?

只需要在聚言创意助手中,勾选你想要给出旅游战略规划的角色,输入话题,它们便会从不同角度提供方案。

专家为你出谋划策,这个过程仅需要20-30分钟。

有了聚言助手,未来各种营销策略、市场报告等等,无需费力找专家,就能获得更高质高效、全面省钱的方案。

所有的创新,都由Think Different引发

做出自己的千亿大模型,就一定能取得商业上的成功吗?如果技术没有和产品、应用形成闭环,再多技术投入都不能形成壁垒。

现在主流的模式,是砸钱预训练千亿级模型,微调,然后寻找应用场景。而猎户星空却独辟蹊径,在已知应用场景后,再微调,然后寻找合适的模型。

####七年磨一剑

大模型下半场开年之局,猎户星空大模型登场着实给了所有人亿点点震撼。

作为一家All in AI的创业公司,如今在大模型时代大放异彩,背后离不开团队在这一领域持续7年的深耕。

2016年,猎户星空成立初始便投入了巨资、博士团阵容,打造AI全链条技术。

值得一提的是,这家公司拥有来自Meta、Yahoo、百度等全球顶级大厂上百名顶级算法科学家的顶级团队。

与此同时,团队在技术栈上,对从DNN、Attention、Bert到LLM、ASR/TTS/NLP的演进也非常熟悉。

猎户星空的机器人还登上冬奥会,出海全球获得了认可,拥有全球20亿用户应用打磨经验。

而在7年AI磨刀的过程中,有了扎实的数据积累,包含百亿级真实用户query数据,数十亿级token数据。

重磅预告:MoE已经在训了!

目前,猎户星空已经在已有模型的基础上,调试和训练MoE架构的专家混合模型了。

据称,在这「N个臭皮匠」的加持下,智能水平可以全方位媲美千亿参数模型。

2024年,大模型应用怎么走?

傅盛预测,到2024年,千亿大模型中过半都会凋零,而百亿大模型会百花盛开。

超越OpenAI的机会,将来自大模型应用公司。

让我们拭目以待。

参考资料:

https://github.com/OrionStarAI/Orion

https://modelscope.cn/studios/OrionStarAI/Orion-14B-App-Demo/summary

https://huggingface.co/OrionStarAI

更多AI工具,参考Github-AiBard123国内AiBard123

可关注我们的公众号:每天AI新工具