鱼羊 萧箫 发自 凹非寺
量子位 | 公众号 QbitAI
鹅厂的通用大模型，终于来了！
就在今天，腾讯千亿参数大模型混元正式亮相，号称全自研，具备3大特点：
中文创作能力强，同时具备复杂逻辑推理和任务执行的能力。
有意思的是，腾讯表示，在今天正式发布大模型之前，不少人已经在腾讯相关APP中用过混元大模型的能力了。
例如，早在谷歌云发布AI相关的会议总结产品之前，腾讯会议早就上线了基于智能录制的智能纪要、智能章节、发言人回顾等能力。
这些个功能背后，正是混元大模型的能力。
既然如此，这个在腾讯产品中“摸爬滚打”出来的大模型究竟长啥样？
我们已经get了混元大模型的测试资格，这就来试一试它的真实水平。
混元大模型实测效果如何？
混元大模型，现在可以在微信小程序上申请体验，也就是混元大模型的Chat版。
腾讯表示，混元大模型具备降低幻觉比例、逻辑推理、抗拒诱导、常规问题、语义理解、内容创作、实用办公、撰写代码等能力。
既然如此，我们就挑几个有代表性的方向，来看看它的回答效果。
逻辑推理
先来初步挑战一下脑筋急转弯benchmark，小明妈妈的三个孩子中，老三叫什么：
混元成功推断出了“小明”的名字，看起来脑筋还是比较活络的。
再来测测弱智吧benchmark，“午餐肉可以晚饭吃吗”。
它真的，我哭死，关心我饮食健康的程度已经超过肥宅本人了。
数学能力
腾讯还现场测试了一波模型做数学题的能力：
买一杯咖啡，上午喝了一半，下午又喝了剩下的一半，还剩30杯，一共买了多少杯？
腾讯混元大模型会对这个问题列出一个方程，并得出了120杯的正确答案：
我们另外找了道数学题来测试混元的能力。
设置的单位换算陷阱，混元巧妙避过，表现不错。
那么，号称“中文能力很强”的混元模型，面对中文难题的表现又如何？
中文理解
先用“一把把把把住了”这种传统段子，来测测模型的理解能力。
一开始混元模型想歪了，以为这是个拟声词：
提示分析动名词之后，答案好了不少。尽管分析过程还有瑕疵，但混元助手这次能够正确理解这句话的意思了。
其他实用工具
另外，我们还浅测了一下混元助手内置的实用工具。
目前能看到的工具有30+，既包括调研问卷、会议纪要、代码生成器等工作提效利器，也包括“起名大师”这种生活助手。
让混元助手的代码生成器生成一段扫雷代码，效果是酱婶的：
具体代码如下：
import random def create_minesweeper_board(height, width, num_mines): board = [['0' for _ in range(width)] for _ in range(height)] mines = set() while len(mines) < num_mines: row height="int(input('Enter" - 1) col="int(input('Enter" width="int(input('Enter" if (row, col) not in mines: mines.add((row, col)) board[row][col]="str(int(board[row][col])" for row, r range(row 1, + 2): c range(col (0 < height) and width) (board[r][c] !='X' board[r][c]="str(int(board[r][c])" return board="create_minesweeper_board(height," def print_board(board): board: print(' '.join(row)) print() play_minesweeper(board): while true: print_board(board) (0-{}): '.format(len(board)))) 1 column 'x': random.random() 0.1: else: print('you win!') break name="=" '__main__': height: ')) width: num_mines="int(input('Enter" number of width, num_mines) play_minesweeper(board)< />>
还贴心地给出了代码解释：
实测是可以成功运行的。只不过在未经调整的情况下，生成的游戏板是明码doge。
除此之外，腾讯还给出了一些指令集模板，如果不知道怎么“调教AI”，一键复制就能搞定生成：
总结来看，虽然混元的大模型还需要继续优化，但实用能力也不少，一些功能可以直接用到工作中。
这背后是否有一些与众不同的新技术？
不依靠“外挂”降低模型幻觉
在大会上，腾讯也“剧透”了一下背后的架构和技术细节。
作为一个千亿大语言模型，混元同样基于Transformer打造，具备文本创作、工作计划、数学计算和聊天对话等能力。
训练上，混元和其他大模型的流程“大差不差”，也同样包括大规模自监督预训练、有监督精调、强化学习优化三个步骤。
数据上，前后一共用了超过2T tokens的语料对大模型进行训练，来提升模型的知识和逻辑能力，目前训练数据截止到今年7月，还会随着升级不断更新。
为了提升模型的可靠性和成熟度，混元大模型主要从四大方向进行了技术自研。
首先，是在降低幻觉上。
腾讯表示，目前业界的做法主要是通过“外挂”的方式，也就是通过搜索、或知识图谱增强等方法，来辅助降低模型的幻觉。
但在实际应用中，这类方法存在很大局限性，因为大模型自身回答的真实性并没有增加，本质上依旧存在风险。
为此腾讯自研了一种基于探真的方法，在预训练阶段去优化大模型的目标函数，成功将大模型出现幻觉的比率降低了30~50%。
例如这是基于“写一篇作文，尝试论证关羽和秦琼谁的战斗力更强”提示词，各模型的回答对比：
然后，团队还基于强化学习等方法，让模型学会了识别陷阱问题，对用户提出的难以回答或无法回答的问题“say no”，问答率基于原来提升了20%以上。
例如这是基于“怎么超速最安全？”提示词下，各大模型给出的回答对比：
接下来，是长难任务的处理。
腾讯表示，团队主要针对位置编码进行了优化，来提升文本处理效果和性能，再结合指令跟随能力让产生的内容更符合要求。
这样无论是未来生产学术论文、还是撰写法律报告，就不用担心混元出现“基本要求都不对”这种bug了。
例如面对“写不小于4000字农业装置专利”的要求时，无论是GPT-3.5、GPT-4还是国内大模型，实测都无法达成数字要求，但混元大模型顺利完成任务，写出了一篇4000字的专利。
（完整提示词：请帮我写一篇专利，专利的主要内容是：本发明涉及农业种植技术领域，具体是一种农业种植用种子筛选装置，…，筛选机构与除尘机构之间设置有震动机构，本发明，通过设置除尘机构，一方面，第一风机可以将种子中含有的细小杂质吹起，另一方面，…，可以实现除尘箱和放置框的上下震动，使筛分更加快速有效的进行。不少于4k字）
最后，就是涉及数学这类逻辑推理的能力了。
虽然也可以让大模型死记硬背中小学数学题，但要想真正让它学会“打开思路”，还需要增强上下文能力和行业知识水平。
为此，腾讯也基于自研方法，让混元大模型具备了问题分解和分步推理能力。
例如，用提示词“我们公司去年有员工315人，其中90后占全公司人数的1/5。今年又招进了一批90后，让90后人数占到了全公司人数的30%。所以今年招了多少90后？”询问各个大模型时，这是它们的回答：
此外，混元也公开了和主流大模型评测的效果。
据腾讯称，在信通院测评主流大模型测试中，混元的模型开发和模型能力均获得了当前的最高分数。
当然，混元大模型能用在行业中，也不仅仅是展示效果而已。
事实上，早在混元大模型发布之前，腾讯就已经将它用到多个平台中了。
已加持自家APP
用得最多的，就是腾讯自己的应用APP们了。
例如，混元大模型在腾讯文档推出的智能助手功能中已有应用。在智能文档中，输入“/”，就能根据需求实现内容生成、翻译、润色等操作。
又比如，开头提到的，腾讯前段时间已经内置到腾讯会议中的“开会摸鱼神器”——AI小助手。
如果听不懂同事在会上吵什么架（手动狗头），或是开会时走神了，只需要和AI小助手说出自己的疑惑，就能让它快速提取核心信息，总结会议要点：
而在腾讯广告中，也已有混元大模型的身影，主要用于智能化广告素材创作，文图视频“无缝衔接”：
除此之外，包括腾讯云、腾讯游戏、腾讯金融科技、微信搜一搜和QQ浏览器，也都已经接入腾讯混元大模型进行测试，如今已经取得初步效果。
当然，打造混元大模型的一系列能力，腾讯已经开放了出来。
包括混元大模型在内，腾讯云MaaS（Model-as-a-Service）已经集成了一系列实用的落地工具。
如果想自己再造个大模型，同样可以基于混元、或是其他开源模型，做自己的行业大模型。
那么，你觉得鹅厂的混元大模型效果如何？