442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench | 开源

光作者贡献就有14页

白交 发自 凹非寺

量子位 | 公众号 QbitAI

一篇AI论文,442个作者。

其中还专门留了一章节写作者贡献。

100页里超过一半都是参考文献……

不是,现在都流行这样式儿的论文吗?

这不,谷歌最新发布的论文——Beyond The Imitation Game: Quantifying And Extrapolating The Capabilities Of Language Models。

于是作者那一栏就变成了这样……

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

来自132个机构的研究学者,耗时两年提出了一个大语言模型新基准BIG-bench

并在此基础上评估了OpenAI的GPT模型,Google-internal dense transformer架构等,模型规模横6个数量级。

最终结果显示,模型性能虽然随着规模的扩大而提高,但跟人类的表现相差还很远。

对于这项工作,Jeff Dean转发点赞:Great Work

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

大语言模型新基准

来康康这篇论文究竟说了什么。

随着规模的扩大,模型的性能和质量都有一定的改进,这当中可能还存在一些变革性影响,但这些性能此前都没有很好的描述。

现存的一些基准都有一定的局限性,评估范围比较狭窄,性能分数迅速达到饱和。

比如SuperGLUE,在该基准推出后的18个月内,模型就实现了“超过人类水平”的性能。

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

基于这样的背景,BIG-bench就诞生了。

目前它由204个任务组成,内容涵盖语言学、儿童发展、数学、常识推理、生物学、物理学、社会偏见、软件开发等方面的问题。

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

此外还有个人类专家评审团,也执行了所有任务,以提供基线水平。

为了方便更多机构使用,研究人员还给出了BIG-bench Lite,一个小型但有代表性的任务子集,方便更快地评估。

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

以及开源了实现基准API的代码,支持在公开可用的模型上进行任务评估,以及新任务的轻量级创建。

最终评估结果可以看到,规模横跨六个数量级,BIG-bench上的总体性能随着模型规模的扩大、训练样本数量的增加而提高。

但跟人类基线水平相比,还是表现得比较差。

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

具体在一些任务上,模型性能会随着规模的增加而平稳地提高。但有时候,会在特定规模上突然出现突破性表现。

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

此外,它还可以评估模型存在的社会偏见。

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

此外,他们还意外发现模型还可以get一些隐藏技能。比如,如何在国际象棋中合乎规则的移动。

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

作者贡献写了14页

值得一提的是,可能因为作者过多,论文最后还专门留了一章写作者贡献。

洋洋洒洒的写了14页,其中包括核心贡献者、Review的、提供任务的……

442个作者100页论文!谷歌耗时2年发布大模型新基准BIG-Bench

剩下的,还有50页的参考文献。

好了,感兴趣的旁友可戳下方链接康康论文。

论文链接:
https://arxiv.org/abs/2206.04615
GitHub链接:
https://github.com/google/BIG-bench
参考链接:
https://twitter.com/jaschasd/status/1535055886913220608

版权所有,未经授权不得以任何形式转载及使用,违者必究。