新智元报道
编辑:编辑部这几天,AI届的盛会——ICLR在维也纳举办。
OpenAI、Meta、谷歌、智谱AI等世界前沿AI科技企业齐聚一堂。
现场名流云集,星光耀眼,走几步就能偶遇一位发过颠覆性paper的大咖。
毫无意外地,ICLR 2024展厅也变成了追星现场。热闹的气氛,快把屋顶掀翻了。
现场追星图灵巨头
图灵三巨头中的著名「e人」LeCun,提前就在X上大方公布出自己的行程,满怀期待地等着和粉丝们相见了。
在评论区,不仅有粉丝激动打卡,甚至还有准备现场递简历的。
粉丝们果然不虚此行,在现场,LeCun口若悬河地讲解,热情的观众们在周围形成密实的包围圈。
言归正传,在整个ICLR活动上,Meta团队将分享25余篇论文和两个研讨会。这次,LeCun团队在ICLR上发表了以下两篇论文。论文地址:https://arxiv.org/abs/2305.19523
论文地址:https://arxiv.org/abs/2311.12983
另一位图灵巨头Yoshua Bengio,也显示了自己的超高人气。
现场观众总结道:「一个人真的需要在他的领域中做到独一无二,才能让他的会议室外排起如此长的队伍!」
此前LeCun和Hinton都对此发表过言辞激烈的意见,Bengio的态度似乎一直比较模糊,迫不及待想知道他对于AGI是什么看法了。在即将到来的5月11日,他就会在一场关于AGI的Workshop中发表演讲。
值得一提的是,Bengio团队也在今年的ICLR上获得了杰出论文荣誉提名。
论文地址:https://openreview.net/pdf?id=Ouj6p4ca60
谷歌Meta隔壁,智谱AI也在
现场,谷歌开源模型Gema、机器人智能体背后框架Robotics Transformers,以及其他开创性的研究一并呈现。
紧挨着Meta和谷歌,展厅中间有一家非常亮眼的公司——智谱AI。
现场的童鞋正为大家介绍GLM-4、ChatGLM等一系列研究成果。
这一系列展示,引起了众多国外学者的围观。现场的近两千名与会嘉宾和学者,认真听了GLM大模型技术团队的介绍。介绍内容包括了GLM系列大模型的多项前沿研究成果,涵盖数学、文生图、图像理解、视觉UI理解、Agent智能体等领域。在现场,大家热烈讨论起了对Scaling Law的看法。而GLM团队,对此也有独到见解——「相比模型大小或训练计算量,智能涌现和预训练损失有更加紧密的联系。」比如,著名的OpenAI 996研究员Jason Wei,认真读过智谱AI这篇讲预训练损失的论文后,表示十分赞叹。论文中,团队通过训练30+个不同参数和数据规模LLM,评估了其在12个中英文数据集上的表现。 论文地址:https://arxiv.org/abs/2403.15796结果观察到,只有当预训练损失低于某个阈值时,LLM会出现涌现能力。而且,从预训练损失的角度定义「涌现能力」,效果优于仅依赖模型参数或训练量。智谱AI的此番表现,也让越来越多外国网友意识到——19岁获得博士的Stability AI研究主任Tanishq表示,CogVLM这类最有竞争力、为开源生态做出重大贡献的开源基础模型,就是来自中国。这位游戏工作室的前CEO,去年就开始用CogVLM和Stable Diffusion做完整的开源版本了。是的,自CogVLM自发布之后,其强大的能力便引起了外国网友的惊呼。在今年1月的LLM排行榜中,也有人发现——当时Gemini和GPT-4V远远领先于任何开源LLM,唯一一个例外,就是CogVLM。可见,这波国产大模型出海,智谱AI已经闷声不响地在国外建立了自己的巨大影响力。特邀演讲
展厅精彩演示之外,今年的ICLR,共邀请了七位特邀演讲嘉宾,分享他们对AI的见解。有来自谷歌DeepMind的研究科学家Raia Hadsell,佐治亚理工学院副教授&FAIR首席科学家Devi Parik,有来自马克斯·普朗克计算机科学研究所(MPI-SWS)的主任Moritz Hardt,唯一一家中国团队是智谱AI 的GLM 大模型技术团队。2024 AGI前瞻:GLM 4.5、 GLM-OS、 GLM-zero 在ICLR上,GLM大模型团队介绍了面向AGI的GLM三大技术趋势。通往AGI的必经之路在哪里?业界对此意见不一。有人认为是智能体,有人认为是多模态,有人说,Scaling Law是通往AGI的必要非充分条件。而LeCun坚持认为,LLM是通往AGI的一条歧路,靠LLM带不来AGI。对此,团队也提出了自己的独特观点。首先,他们讲到了GLM-4的后续升级版本,即GLM-4.5及其升级模型。GLM-4的后续升级版,将基于超级认知(SuperIntelligence)和超级对齐(SuperAlignment)技术,同时在原生多模态领域和AI安全领域有长足进步。GLM大模型团队认为,在通往AGI的路上,文本是最关键的基础。而下一步,则应该把文本、图像、视频、音频等多种模态混合在一起训练,变成一个真正的「原生多模态模型」。同时,为了解决更加复杂的问题,他们还引入了GLM-OS概念,即以大模型为中心的通用计算系统。这一观点,与Karpathy此前提出的大模型操作系统的观点,不谋而合。在ICLR现场,GLM大模型团队详细介绍了GLM-OS的实现方式:
基于已有的All-Tools能力,再加上内存记忆(memory)和自我反馈(self-reflection)能力,GLM-OS有望成功模仿人类的PDCA机制,即Plan-Do-Check-Act循环。具体来说就是,首先做出计划,然后试一试形成反馈,调整规划然后再行动以期达到更好的效果。依靠PDCA循环机制,LLM便可以自我反馈和自主进化——恰如人类自己所做的一样。此外,GLM大模型团队还透露,自2019年以来,团队就一直在研究名为GLM-zero的技术,旨在研究人类的「无意识」学习机制。「当人在睡觉的时候,大脑依然在无意识地学习。」GLM大模型团队表示,「无意识」学习机制是人类认知能力的重要组成部分,包括自我学习、自我反思和自我批评。人脑中存在着「反馈」和「决策」两个系统,分别对应着LLM大模型和内存记忆两部分。因此,GLM-zero的相关研究将进一步拓展人类对意识、知识、学习行为的理解。尽管还处于非常早期的研究阶段,但GLM-zero可以视为通向AGI的必经之路。而这,也是GLM大模型团队首次向外界公开这一技术趋势。
国内顶流技术团队
2020年底,GLM大模型技术团队研发了GLM预训练架构。2021年训练完成百亿参数模型GLM-10B,同年利用MoE架构成功训练出收敛的万亿稀疏模型。2022年还合作研发了中英双语千亿级超大规模预训练模型GLM-130B并开源。而过去一年里,团队几乎每3-4个月,就完成一次基座大模型的升级,目前已经更新到了GLM-4版本。不仅如此,作为国内最早入局LLM公司,智谱AI曾在2023年就设立了一个雄心勃勃的目标——全线对标OpenAI。GLM大模型技术团队构建了基于AGI愿景的完整大模型产品矩阵。在GLM系列之外,还有CogView文生图模型、CodeGeeX代码模型,多模态理解模型CogVLM,再到GLM-4V多模态大模型和All-Tools功能以及AI助手智谱清言。与此同时,GLM大模型技术团队的研究人员,在业界有着极高的影响力。比如,圈里爆火的李飞飞主讲斯坦福大学CS25课程,每次都会邀请Transformer研究前沿的专家,分享自己的最新突破。而目前已经确定,CS25课程的嘉宾中,就有来自智谱AI的研究员。CogVLM团队开发的开源视觉语言模型CogVLM,一经发布就引发了业界关注。3月Stability AI公布的一篇论文就显示,因性能太出色,CogVLM直接被Stable Diffufion 3拿来做图像标注了。 论文地址:https://arxiv.org/abs/2403.03206CogAgent在此基础之上,基于CogVLM改进的开源视觉语言模型CogAgent,主要针对的是用户图形界面GUI的理解。而CogAgent的相关论文,已经被国际计算机视觉领域级别最高的学术会议CVPR 2024收录。要知道,CVPR以录取严格著称,今年论文录取率只有约2.8%。 论文地址:https://arxiv.org/abs/2312.08914ChatGLM-Math针对LLM解决数学问题,GLM大模型团队提出了「Self-Critique」的迭代训练方法。即通过自我反馈机制,帮助LLM同时提升语言和数学的能力。 论文地址:https://arxiv.org/abs/2404.02893这一方法,包含了两个关键步骤:首先训练一个从LLM本身生成「Math-Critique」模型,以评估模型生成数学问题答案,并提供反馈信号。其次,通过拒绝采样微调和DPO,利用新模型对LLM自身的生成进行监督。GLM大模型团队还设计了MATHUSEREVAL基准测试集,以评估新模型数学能力,结果如下:显而易见,新方法显著提升了LLM的数学问题解决能力,同时仍能提升其语言能力。重要的是,它在某些情况下优于参数量增加两倍的大模型。