26/10/2023 00:55 read

Các nhà nghiên cứu ở Trung Quốc đã phát triển công cụ điều chỉnh ảo giác cho mô hình AI

Theo nghiên cứu, hệ thống điều chỉnh ảo giác Woodpecker có thể được áp dụng cho bất kỳ mô hình ngôn ngữ lớn đa phương thức nào.

Một nhóm các nhà khoa học từ Đại học Khoa học và Công nghệ Trung Quốc và Tencent YouTu Lab đã phát triển một công cụ chống ảo giác bằng mô hình trí tuệ nhân tạo (AI).

Ảo giác là xu hướng mô hình AI tạo ra kết quả đầu ra với mức độ tin cậy cao không xuất hiện dựa trên thông tin có trong dữ liệu đào tạo của nó. Vấn đề này xuyên suốt nghiên cứu mô hình ngôn ngữ lớn (LLM). Hiệu ứng của nó có thể được nhìn thấy trong các mô hình như OpenAI ChatGPT và Anthropic Claude.

Nhóm USTC/Tencent đã phát triển một công cụ tên là Woodpecker mà họ tuyên bố có khả năng điều chỉnh ảo giác trong các mô hình ngôn ngữ lớn đa phương thức (MLLM).

Tập hợp con AI này bao gồm các mô hình như GPT-4 (đặc biệt là biến thể trực quan của nó, GPT-4V) và các hệ thống khác đưa tầm nhìn và/hoặc quá trình xử lý khác vào phương thức AI tổng quát cùng với mô hình ngôn ngữ dựa trên văn bản mua theo thời hạn.

Theo tài liệu nghiên cứu trước khi in của nhóm, Woodpecker sử dụng ba mô hình AI riêng biệt, ngoài MLLM được sửa chữa ảo giác, để thực hiện sửa lỗi ảo giác.

Chúng bao gồm GPT-3.5 turbo, DINO nối đất và BLIP-2-FlanT5. Cùng với nhau, các mô hình này hoạt động như những người đánh giá để xác định ảo giác và hướng dẫn mô hình đang được sửa để tạo lại đầu ra theo dữ liệu của nó.

Trong mỗi ví dụ trên, LLM tạo ra ảo giác về một câu trả lời sai (nền xanh lục) trước lời nhắc (nền xanh lam). Các câu trả lời của Chim gõ kiến đã sửa sẽ được hiển thị với nền màu đỏ. (Nguồn hình ảnh: Yin và cộng sự, 2023).

Để điều chỉnh ảo giác, các mô hình AI hỗ trợ Woodpecker sử dụng quy trình gồm 5 giai đoạn bao gồm việc trích xuất khái niệm chính, xây dựng câu hỏi, xác thực kiến thức bằng hình ảnh, tạo xác nhận bằng hình ảnh và chỉnh sửa ảo giác.

Các nhà nghiên cứu khẳng định những kỹ thuật này cung cấp thêm tính minh bạch và cải thiện độ chính xác 30,66%/24,33% so với MiniGPT-4/mPLUG-Owl cơ bản. Họ đã đánh giá nhiều MLLM sẵn có bằng phương pháp của họ và kết luận rằng Woodpecker có thể dễ dàng tích hợp vào các MLLM khác.

Phiên bản đánh giá của Woodpecker hiện có trên Gradio Live, nơi bất kỳ ai tò mò đều có thể test hoạt động của công cụ này.

Theo CoinTelegraph

Tuyên bố miễn trừ trách nhiệm: Bài viết này chỉ được viết cho mục đích thông tin. Bài viết không nhằm mục đích khuyến khích mua tài sản theo bất kỳ cách nào, cũng không cấu thành lời chào mời, đề nghị, khuyến nghị hoặc gợi ý đầu tư. Tôi muốn nhắc nhở bạn rằng tất cả các tài sản đều được đánh giá từ nhiều góc độ và có rủi ro cao, do đó, bất kỳ quyết định đầu tư nào và rủi ro liên quan đều do nhà đầu tư tự chịu rủi ro.

Chia sẻ bài viết này với bạn bè qua Facebook / Zalo / Telegram: