北京2022年6月9日 /美通社/ -- 近日，浪潮"源1.0"大模型登頂中文語言能力理解和生成評測基準(zhǔn)CUGE總榜榜首，并獲得語言理解（篇章級）、語言生成、對話交互、多語言、數(shù)學(xué)推理等5項(xiàng)評測最佳成績。這是繼源1.0攬獲權(quán)威中文語言評測基準(zhǔn)CLUE榜單的零樣本學(xué)習(xí)和小樣本學(xué)習(xí)兩類總榜冠軍后，再次在評測中展現(xiàn)強(qiáng)大實(shí)力。
CUGE(Chinese Language Understanding and Generation Evaluation)智源指數(shù)是由清華大學(xué)、北京大學(xué)、北京智源研究院等高校機(jī)構(gòu)共同建立的中文機(jī)器語言能力評測基準(zhǔn)，該基準(zhǔn)針對當(dāng)前自然語言處理和人工智能發(fā)展新范式，面向具有"通用語言能力"的預(yù)訓(xùn)練模型，全面系統(tǒng)、多層次、多維度地評測大模型能力。
源1.0領(lǐng)跑多類綜合語言場景
在語言理解(篇章級)評測中，源1.0僅用時(shí)11分鐘，便完成數(shù)千篇閱讀理解回答4000多個(gè)問題，以86.9高分的成績位居榜首，展現(xiàn)出頂尖的語言理解能力。基于源1.0大模型強(qiáng)大的閱讀理解能力及高速處理大量樣本的特點(diǎn)，未來將加速勞動(dòng)密集型文本處理等行業(yè)變革，如應(yīng)用于智能客服根據(jù)用戶提供的信息在產(chǎn)品文檔中快速找到解決方案及智能司法、智能招聘系統(tǒng)等。
在語言生成評測中，源1.0僅用時(shí)70秒，就完成近800條摘要內(nèi)容的生成，登頂該項(xiàng)榜單。源大模型強(qiáng)大的文本生成能力可提升智能問答與對話、新聞?wù)?bào)告生成等場景中AI智能化水平，如從長篇幅的新聞資訊等文本中提取出簡明扼要的文字描述，便于及時(shí)、高效的獲取有價(jià)值的信息及智能文案、協(xié)助寫作等場景。
在多語言機(jī)器翻譯評測中，基于源1.0大模型蒸餾出來的翻譯模型在完成近4000千對中英文互譯后，登頂榜首，領(lǐng)先第二名15%。翻譯模型在基于源1.0大模型閱讀的海量高質(zhì)量數(shù)據(jù)集基礎(chǔ)上，采用維基百科、書籍、聯(lián)合國文件及字幕組等近80G高質(zhì)量數(shù)據(jù)集進(jìn)行強(qiáng)化訓(xùn)練，因此翻譯不僅專業(yè)準(zhǔn)確，同時(shí)更符合中文表述。未來可廣泛應(yīng)用于新聞、哲學(xué)、小說等日常的語言翻譯場景中。
在對話交互評測中，基于源1.0大模型蒸餾出來的對話模型回答了電影、音樂、旅行3個(gè)領(lǐng)域共近萬個(gè)主題對話，成績位居榜首，領(lǐng)先第二名成績30%，展現(xiàn)了極強(qiáng)的智能對話能力。在繼承源1.0大模型能力的基礎(chǔ)上，對話模型采用了2660萬條醫(yī)療、法律、保險(xiǎn)等不同行業(yè)，歷史、電影、娛樂等不同場景的對話語料數(shù)據(jù)進(jìn)行強(qiáng)化訓(xùn)練，在知識問答、高頻閑聊等開放式任務(wù)上表現(xiàn)突出，此前已獲得業(yè)界權(quán)威測評WebQA開放問答數(shù)據(jù)集榜單冠軍。
當(dāng)前，智能對話普遍存在內(nèi)容乏味、主題不連貫等問題，往往幾輪對話后，回答便空洞重復(fù)，大大降低用戶體驗(yàn)。知識驅(qū)動(dòng)的對話模型直接連接到廣泛的知識庫，大大增加對話內(nèi)容的豐富度，在一定知識背景下也不會偏題，更趨向于人類之間的交談。不久前，源開發(fā)者社區(qū)的一位開發(fā)者基于源的對話模型創(chuàng)建了一位能與人類玩劇本殺的AI虛擬玩家，一位人類玩家與AI虛擬玩家聊天到深夜凌晨仍興趣盎然。以知識驅(qū)動(dòng)的對話模型，可廣泛應(yīng)用于各類虛擬人、智能助手、智能客服等場景，并極大提升對話的智能水平和用戶體驗(yàn)。
源1.0在數(shù)學(xué)推理鋒芒初露
當(dāng)前業(yè)界各類大模型在自然語言處理領(lǐng)域展示出了強(qiáng)大的能力，但在數(shù)學(xué)領(lǐng)域卻還存在盲區(qū)。數(shù)學(xué)對邏輯和推理能力有極強(qiáng)的要求，Open AI開發(fā)出多種方法訓(xùn)練GPT-3的數(shù)學(xué)推理能力，但在挑戰(zhàn)小學(xué)數(shù)學(xué)應(yīng)用題時(shí)，GPT-3也尚未及格，數(shù)學(xué)推理能力甚至低于9-12歲兒童。
為更好評測大模型邏輯推理能力，CUGE專門設(shè)立了數(shù)學(xué)推理能力榜單，主要考察模型數(shù)值計(jì)算能力，即考察對應(yīng)用情景和任務(wù)的理解抽象能力以及數(shù)值計(jì)算能力，類似于小學(xué)數(shù)學(xué)應(yīng)用題。數(shù)學(xué)推理能力榜單數(shù)據(jù)庫內(nèi)的數(shù)學(xué)題來自在線教育網(wǎng)站提供的小學(xué)數(shù)學(xué)應(yīng)用題。
在CUGE數(shù)學(xué)推理評測中，源1.0大模型完成1000道小學(xué)數(shù)學(xué)應(yīng)用題，以76.9的高分大幅領(lǐng)先高居榜首。
為應(yīng)對大模型在數(shù)學(xué)推理方面的挑戰(zhàn)，浪潮為源1.0開發(fā)了一套相似啟發(fā)式數(shù)據(jù)增強(qiáng)的方案，給每一個(gè)要求解的數(shù)學(xué)問題從數(shù)據(jù)庫中檢索并匹配一個(gè)相似的題目并與原題目進(jìn)行拼接，通過類比學(xué)習(xí)，啟發(fā)大模型能夠根據(jù)兩道相似問題更好地學(xué)習(xí)如何給出解題表達(dá)式，進(jìn)而學(xué)會每一類題目的解法，類似于人類在學(xué)習(xí)過程中會通過連續(xù)學(xué)習(xí)同一類型的題目來提高對這一類型題目的理解能力；同時(shí)，浪潮在源1.0改進(jìn)了算法掩碼策略，使得模型在學(xué)習(xí)過程中只關(guān)注于連續(xù)的相似的題目，不受同一個(gè)輸入序列中不相關(guān)題目的影響，這樣模型可以更專注于學(xué)習(xí)同一類型的題目，極大地提升了解題準(zhǔn)確度，全方面培養(yǎng)一個(gè)數(shù)學(xué)學(xué)霸。
源1.0開源開放計(jì)劃收效顯著
目前，浪潮"源1.0"已經(jīng)將模型API、高質(zhì)量數(shù)據(jù)集、模型訓(xùn)練代碼、推理代碼和應(yīng)用代碼等等工具和能力開源開放，超過300家行業(yè)用戶和開發(fā)者，通過"源1.0"提供的數(shù)據(jù)和API顯著提升了金融、互聯(lián)網(wǎng)、醫(yī)療和自動(dòng)駕駛等行業(yè)應(yīng)用的精度。浪潮源1.0將持續(xù)助力行業(yè)用戶和開發(fā)者，攜手推動(dòng)技術(shù)創(chuàng)新、場景融合、應(yīng)用開發(fā)，共同促進(jìn)大模型的健康發(fā)展與產(chǎn)業(yè)落地，加速AI產(chǎn)業(yè)化和產(chǎn)業(yè)AI化發(fā)展。
