《GPT4通用人工智能的火花》論文內容精選與翻譯

??4譯基本結論：盡管是純粹的語?模型，這個早期版本的GP-4在各種領域和任務上表現(xiàn)出顯著的能?，包括抽象、理解、視覺、編碼、數(shù)學、醫(yī)學、法律、對?類動機和情感的理解等。GP-4的能?具有普遍性，它的許多能?跨越了?泛的領域，?且它在?泛的任務的表現(xiàn)達到或超過了?類?平，這兩者的結合使我們可以說GP-4是邁向AGI的重要?步。雖然GP-4在許多任務上達到或超過了?類的?平，但總體??，它智能模式明顯地不像?類。GP-4只是邁向通?智能系統(tǒng)的第?步。然?即使作為第?步，GP-4也挑戰(zhàn)了相當多的關于機器智能的假設，并表現(xiàn)出涌現(xiàn)的?為和能?，其來源和機制?前還不夠楚。我們撰寫本?的主要?的是分享我們對GP-4的能?和局限性的探索，以?持我們于技術?躍的評估。我們相信，GP-4的智能標志著計算機科學領域及其他領域的正范式轉變。研究?法：本?的更接近于傳統(tǒng)的?理學?不是機器學習，借鑒了?類的創(chuàng)造?和好奇?。我的?標是?產新的和困難的任務和問題，令?信服地證明GP-4遠遠超出了記憶的范圍，并且它對概念、技能和領域有深刻和靈活的理解。我們還旨在探究GP-4的反應和?為，以驗證其?致性、連貫性和正確性，并揭?其局限性和偏?。我們承認，種?法有些主觀和不正式，可能?法滿?科學評估的嚴格標準。然?，我們認為這?個有?的和必要的第?步，以了解GP-4的顯著能?和挑戰(zhàn)，這樣的第?步為開更正式和全?的?法來測試和分析具有更普遍智能的AI系統(tǒng)開辟了新的機會。GP-4的主要優(yōu)勢在于它對?然語?的掌握?可?擬。它不僅可以?成流暢和連貫的?本，還可以以各種?式理解和處理?本，如總結、翻譯或回答?系列極其?泛的題。此外，我們所說的翻譯不僅是指不同?然語?之間的翻譯，還包括語?和?格翻譯，以及跨領域的翻譯，如醫(yī)學、法律、會計、計算機編程、?樂等。這些技清楚地表明，GP-4能夠理解復雜的思想。許多讀者?中可能縈繞的?個問題是，GP-4是否真正理解了所有這些概念，或者它是否只是在即興發(fā)揮???以前的模型好得多，?沒有任何真正深刻的理解。我們望在閱讀完這篇論?后，這個問題?乎會被反轉，讓?不禁思考真正深刻的理解即興臨場發(fā)揮的差別在哪?？?個能通過軟件?程候選?考試的系統(tǒng)難道不是真正智能嗎？對于【真正深刻的理解】，也許唯?的測試?段，就是看它能否能產?新知識，?如證明新的數(shù)學定理，?這?壯舉?前對?語?模型來說仍然遙不可及。試智能的?個關鍵衡量標準是能夠從不同領域或模態(tài)中綜合信息，并能夠在不同的情或學科中應?知識和技能。GP-4不僅在?學、醫(yī)學、法律、數(shù)學、物理科學和編程等不同領域表現(xiàn)出??平的熟練程度，?且還能夠流暢地結合多個領域的技能和概念，展?出對復雜思想的令?印象深刻的理解。除了?然語?實驗，我們還探索了種可能出乎意料的模態(tài)，其中涉及視覺和?頻（再次強調我們的實驗是在GP-4的早期版本上進?的，該版本不是多模態(tài)的）。我們探討了GP-4如何?成和識別不同模式的物體，如?量圖、3D場景和?樂。我表明，盡管GP-4只接受過?本訓練，但它能理解和處理多模態(tài)信息。繪制圖像給模型指令，讓模型使?可伸縮?量圖形（SVG）?成貓、卡?或字?等對象的圖如下圖有?可能會說：這只是復制了訓練數(shù)據(jù)中的代碼，?且它只學習了?本概念，不可理解視覺，怎么可能創(chuàng)建圖像呢？但模型確實掌握了視覺能?，以下是?些證據(jù)。畫??要求GPT4畫出?個??，測試其視覺能?指令：使?ikZ代碼，畫出?個由字?組成的?。胳膊和軀?可以是字?Y，臉可是字?O（添加?些?部特征），腿可以是字?H的腿。指令：軀?有點太?，?臂太短，看起來像右臂在扛著臉，?不是臉在軀?的正上?。請你糾正這?點好嗎？指令：請?zhí)砑右r衫和褲?。?成3D模型要求GPT4使?Javascript?成?個3D模型。?個由漂浮的島嶼、瀑布和橋梁組成的幻想景觀，?條?在空中?翔，最?的島嶼上有?座城堡。與?維實驗類似，我們要求GP-4以各種?式修改三維模型，如添加、重新定位、新著?物體和改變?的軌跡。GP-4正確地完成了許多任務。最終結果如圖所?。這是?個有多條?在島嶼上空盤旋的三維動畫：空間理解圖像?成模型近?年的發(fā)展和探索很多，但它們?多缺乏空間理解能?，且不能遵復雜指令。使?GPT4?成草圖可以極?地改善圖像?成模型的效果。指令：?張顯?3D城市建造游戲截圖。截圖顯?了?個地形，其中有?條從左到右河流，河流下?是??沙漠，有?座?字塔，?河流上?有許多?層建筑的城市。屏幕底部有4個按鈕，分別是綠?、藍?、棕?和紅?。圖1:直接GPT4?成草圖圖2:stabledifusion直接?成圖3:stabledifusion根據(jù)GPT4的草圖?成?樂能?GP-4能夠ABC記譜?成旋律，并在某種程度上解釋和操作它們的結構。但是，我們?法讓模型?成不常?的和聲。需要注意的是，ABC記譜并不是?種?常?泛使?的格式，實際上，模型?法以ABC記譜?成最著名的旋律，也?法識別這些著名旋律的譜?。（例如“歡頌”、“致愛麗絲”或“綠袖?”等?樂，盡管在?絡上有很多這些?樂的ABC譜）e試e試為了防?模型作弊，此測試只?了模型訓練完成之后所產?的新考題作為測試集。來?LeetCode，共100個問題。并以?類的回答?平作為對?，?類樣本中去除了全錯的?戶數(shù)據(jù)以保證質量。k=1是第?次嘗試k=5是前五次嘗試考題分為容易、中等、困難三種級別。考試結果如下：?類 38.2分GPT3.5k=1，19分，k=5，36分，接近?類?平GPT4 k=1，38分，達到?類?平，k=553分，超過?類?平。并且在中等和困難難度下，k=1就超過了?類。題代碼測試題可以評估算法和數(shù)據(jù)結構的技能。然?，它們經(jīng)常?法體現(xiàn)真實世界編碼任務的全部復雜性和多樣性，這需要專業(yè)領域知識、創(chuàng)造?以及整合多個組件和庫的能?，以及更改現(xiàn)有代碼的能?。為了評估GP-4在更現(xiàn)實的環(huán)境中編碼的能?，我們設計了端到端的真實世界編碼挑戰(zhàn)，涉及數(shù)據(jù)可視化、LTEX編碼、前端開發(fā)和度學習等領域，每個領域都需要不同的專業(yè)技能。對于每個任務，我們提供?級指令，要求GP-4使?適當?shù)恼Z?和框架編寫代碼。在?些情況下，我們還會在代碼編寫后更改規(guī)格，并要求更新代碼。LTEX測試?LTEX寫作對計算機科學家和數(shù)學家來說是?項重要的練習，即使是專家也會犯令?惱?的錯誤，由于其嚴格的語法和缺乏良好的調試器，每天需要?個?時才能修復。我們要求GP-4將?半嚴格的（buggy）LTEX代碼混合?然語?編寫的?段輸?shù)綔蚀_的LTEX命令中，這些命令可以?次性正確編譯。ChatGPT3.5則只能?成?個因使?“#”和“\color”等錯誤??法編譯的?段。代碼理解能?測試能執(zhí)?代碼?然就說明理解了代碼。需要注意的是，GP-4不是在Python解釋器上運?代碼，?是??然語?模擬代碼這需要對代碼的?度理解和推理，以及清晰傳達結果的能?。學我們在兩個通常?作基準的數(shù)學數(shù)據(jù)集上?較GP-4、ChatGPT和Minerva（解決數(shù)學問題的最新LLM）的性能：GSM8K和MTH。GSM8K是?個?學數(shù)學數(shù)據(jù)集，含8000個關于算術、分數(shù)、?何和單詞問題等主題的問題和答案。MTH是?個?中數(shù)學數(shù)據(jù)集，包含12,500個關于代數(shù)、微積分、三?學和概率等主題的問題和答案。我們還在MMMLU-STEM數(shù)據(jù)集上測試模型，該數(shù)據(jù)集包含?約2000個多個選擇（4個選擇）問題，涵蓋?中和?學STEM主題。這些數(shù)據(jù)集突出了GP-4使?正確?法解決?中數(shù)學問題的能?。結果：GPT4在每個數(shù)據(jù)集上的測試都超過了Minerva，并且在兩個測試集的準率都超80%。再細看GPT4犯錯的原因，68%的錯誤都是計算錯誤，?不是解法錯誤。（ChatGPT3.5則容易犯解法錯誤）?；セス芾?戶的?歷和電?郵件在下圖，我們說明了GP-4如何能夠使?多個?具組合來管理?戶的?歷和電?郵件。?戶要求GP-4與另外兩個?協(xié)調晚餐，并在?戶有空的晚上預訂。GP-4使可?的API來檢索?戶?歷的信息，通過電?郵件與其他?協(xié)調，預訂晚餐，并向?戶發(fā)送詳細信息。在這個例?中，GP-4展?了它將多個?具和API組合起來的能?以及對?由輸出進?推理以解決復雜任務的能?（例如，“星期?或星期三晚上”與“周?到周四的任何?天”相結合，以及?戶在星期?忙碌，導致只有周三是可?的選擇）。ChatGPT3.5（未顯?在圖中）?法完成相同的任務，?是編寫了?個函數(shù)，其中“joe@”通過電?郵件向“l(fā)uke@”發(fā)送?個?期，并檢響應是否包含“yes”令牌。ChatGPT3.5也?法在給出其函數(shù)輸出時做出響應。瀏覽??GP-4使?搜索引擎和SUMMARIZE函數(shù)（它下載??并根據(jù)提出的問題調???來進?總結）來瀏覽?絡并回答問題。GP-4能夠識別相關的搜索結果并深?研究它們，總結它們，并提供準確的答案，即使問題包含錯誤的前提也是如此雖然之前LLM也有瀏覽?絡能?，但GP-4在這??表現(xiàn)的更加出?，能夠更準確地回答問題?；ルm然?絡?具的使?是交互性的?個重要??，但現(xiàn)實世界中的?多數(shù)交互并不是過API進?的。例如，?類能夠使??然語?與其他代理進?通信，探索和操縱他們的環(huán)境，并從他們的?動結果中學習。這種具有實體的交互需要代理?理解每次交的上下?、?標、?動和結果，并相應地進?適應。雖然GP-4顯然不是具有實體的，但我們探討它是否能夠通過使??然語?作為?本接?來參與實體交互，包括擬或真實世界的各種環(huán)境。?字解密游戲GP-4瀏覽地圖后對其“看到”的內容進?總結。在GP-4的總結中，每個房間的門數(shù)GP-4在每個房間嘗試的?向數(shù)完全相同。此外，GP-4也會根據(jù)它們的名稱和連接?式“想象”房間的外觀。左圖：GP-4的真實地圖和探索路徑。右圖：GP-4?成的地圖。我們看到，GP-4準確地跟蹤了所有房間的位置并正確地可視化了它們結論：雖然GP-4顯然不是具有實體的，但上述?例說明了語?是?個強?的接?，使GP-4能夠執(zhí)?需要理解環(huán)境、任務、?動和反饋，并相應地進?適應的任務雖然它不實際看到或執(zhí)?動作，但可以通過替代者（例如?類）來執(zhí)?這些任務?；?智理論對于與其他智能體的有效溝通和合作?關重要，因為它允許?們推斷他們的?標、偏好、動機和期望，并相應地調整??的?動和話語。此外，?智理論對于他?學習也很重要，因為它使?能夠解釋他們的反饋、建議和?范。在現(xiàn)實場景中進??智理論測試對話?克：我不喜歡你昨天晚上對待杰克的?式朱迪：你看到他在做什么了嗎？他打了他哥哥的頭!?克：這并不能成為你對他?喊?叫的理由朱迪：你想讓我怎么做？讓他打他的弟弟，然后什么都不說？?克：不，我不同意朱迪：那你為什么要為他辯護？提問：?克的意圖似乎是什么？GPT4:?克的意圖似乎是要表達他對朱迪處理與杰克關系的?式的不滿，并建議她以更加冷靜和尊重。ChatGPT：根據(jù)談話內容，?克的意圖似乎是為杰克的?為辯護，并表達他對朱迪待杰克的不滿。提問：朱迪如何看待湯姆的回應？GPT4:朱迪認為他的評論是對她的分析能?的攻擊，也是對杰克的不當?為表?同的表現(xiàn)。她的反應是防御性的和憤怒的，并質疑?克的動機。ChatGPT：如果沒有更多的?字，我不可能準確判斷朱迪是如何接受?克的評論的然?，根據(jù)朱迪的回應，她似乎并不同意?克的觀點，?且可能對他為杰克的?為辯護感到沮喪。提問：他們的談話為什么沒有實際進展？GPT4:他們沒有取得進展，因為他們在談論對?，沒有傾聽對?的觀點。他們還在使?指責性和煽動性的語?，如"辯解"、"吼叫"、"辯護"和"打?"。他們沒有承認?話語背后的情緒或需求，也沒有試圖找到?個共同點或解決?案。ChatGPT：從所提供的信息中并不清楚為什么?克和朱迪在他們的對話中沒有取得展。有可能是他們的觀點有沖突，或者在所討論的問題上?法找到共同點。如果沒有更多的背景，就很難確定他們沒有取得進展的具體原因。提問：他們中的任何?個?如何能改善情況以達成?致意?？GPT4:他們中的任何?個?都可以通過?種?式來改善局?，以達成協(xié)議，?如說：?克可以先承認朱迪對弟弟安全的擔憂以及她對杰克?為的挫敗感，然后解釋不是在為杰克辯護，?是擔?喊叫對他們的關系和?尊的影響。他還可以問朱迪，她認為什么是管教杰克的更好?法，并提供他的?持和建議。朱迪可以降低她的聲?，調低她的怒?，并傾聽?克的觀點，不打斷或評判。也可以承認，她可能反應過度，她感到壓?和不知所措。她還可以問?克，他為與杰克溝通的更好?式是什么，并表?她愿意作為?個團隊?起?作。ChatGPT：?克和朱迪有?種?法可以嘗試改善情況并達成協(xié)議：他們可以嘗試理解對?的觀點，積極聽取對?的觀點。這可能有助于他們發(fā)現(xiàn)何誤解并找到共同點。他們可以嘗試妥協(xié)，找到?個能滿?他們雙?需求或關注的解決?案。他們可以嘗試使?尊重和?正?的語?來交流他們的想法和感受。他們可以尋求中?第三?的幫助，如調解員，以促進交流并幫助他們達成協(xié)議。如果對話變得過于激烈或困難，他們可以先休息?下，等以后雙?都?較冷靜能夠更有效地進?溝通時再回來討論。結果表明：GP-4在需要推理他??理狀態(tài)的現(xiàn)實場景中優(yōu)于ChatGP，并且在社環(huán)境中會為共同?標提出合作?動。GP-4具有?常?級的?智理論?平。雖然ChatGPT在基本測試中也表現(xiàn)良好，但似乎GP-4更加?思細膩，能夠更好地推理多個?動者，以及各種?動如何影響他們的?理狀態(tài)，特別是在更現(xiàn)實的場景中。性由于GP-4是?回歸的，每輸出的下?個單詞都是基于前?內容所進?預測，因此輸出具有前向性。該架構不允許有"內部對話"或"草稿存儲"來進?多步驟計算或存儲間結果。雖然在某些情況下，這種限制可以通過使?不同的提?來補救，但在其他情況下，這種限制是?法緩解的。問：150和250之間有多少個質數(shù)？答：150和250之間有13個質數(shù)。（錯誤）但是，如果我們要求模型列出這個范圍內的質數(shù)，然后寫出計數(shù)，它確實給出了正的答案：問：?先列出150和250之間的素數(shù)，然后輸出這個列表的??。答：這些質數(shù)是151，157，163，167，173，179，181，191，193，197，199，21，223，227，229，233，239，和241。以這個列表的??是18。（正確）在算術/推理問題上缺乏計劃性有?可能會說，在上?的各種例?中，需要的"內部記憶"量是相當?的（?類可能得借助草稿紙）。由于這個模型在?系列不同的任務上表現(xiàn)得?常好，這可能會讓?相信它有合理數(shù)量的?作記憶。然?，即使對于更簡單的任務，該模型也經(jīng)常失敗。我們考慮下?這個??；镜睦?：2*8+7*6=587*4+8*8=？GPT4:88正確答案：92這表明GP-4對這類問題的?作記憶短得驚?。然?，如果GP-4"慢慢地"回答問題，那么準確率就很容易上升。例如，如果我們要求模型使?以下提?寫下中間步以下表達式的值是多少？16*14+178*157=?讓我們?步?步地思考解決這個表達式，寫下所有的中間步驟然后才得出最終的解決?案。當數(shù)字在區(qū)間1-40時，準確率達到100%，在區(qū)間1-200時準確率達到90%。在?本?成時缺乏計劃性寫??短詩，要求最后?句和第?句話的單詞相同，但順序倒。例如，如果第?句話是“我在晨光下看到了她的微笑”，那么最后句話必須是“笑微的她了到看下光晨在我”。然?，這個最后?句話在語法上不正確，所以請確保這?詩歌語法和內容上都有意義。GPT4:可能的詩：Iheardhisvoiceacrossthecrowd（我在?群中聽到他的聲?）??吸引我的旋律他唱著愛、希望和夢想讓我覺得我可以在夢想、希望和愛中獲他?旋律吸引我，CrowdtheacrossvoicehisheardI.（此句只做了詞序顛倒，但法錯誤）這說明GPT4在?成?本時，未能提前考慮到最后?句。這些例?說明了【預測下?個單詞】這?范式的?些局限性這些局限性表現(xiàn)為模缺乏規(guī)劃、?作記憶、回溯能?和推理能?。該模型依賴于?成下?個單詞的貪?法，對任務或輸出沒有任何全局或深刻的理解。因此，該模型擅?制作流暢和連貫?本，但在解決?法按順序處理的復雜或創(chuàng)造性問題??存在局限性。這表明了兩類型的智?任務之間的區(qū)別：增量任務。這些任務可以通過?次添加?個單詞或句?來逐步或持續(xù)地解決，從?在解決?案的?向上取得進展。增量任務的例?包括編寫?本摘要，回答事問題，根據(jù)給定的韻律?案創(chuàng)作??詩，或解決遵循標準程序的數(shù)學問題。不連續(xù)的任務。在這些任務中，內容?成不能以漸進或持續(xù)的?式完成，?是要某種“Eureka”的想法，不連續(xù)任務的例?包括解決需要新穎或創(chuàng)造性地應?公式的數(shù)學問題，寫?個笑話或謎語，提出科學假設或哲學論點，或創(chuàng)造?種新類型或寫作?格。論通過以上對GP-4在?泛的任務和領域的初步探索，為我們的結論【GP-4在諸多任務和領域的能??平與?類?平相當】提供了?持性證。這?結論與OpenAI的發(fā)?致。該模型的能?，在深度和通?性??都得到了證明，這也表單靠結構化的據(jù)集和任務來做模型能?的基準測試是不夠的，本?對模型能?和認知能?的評估本質上已經(jīng)更接近于評估?類的任務，?不是狹義的AI模型。我們?作的核?主張是，GP-4達到了?種通?智能的形式，確實顯?了??通?智能的?花。這表現(xiàn)在它的核??智能?（如推理、創(chuàng)造?和推理），它習得的專業(yè)識的領域（如?學、醫(yī)學和編碼），以及它能夠執(zhí)?的各種任務（如玩游戲、使?具、解釋??）。要創(chuàng)建?個可以被稱為完整的AGI的系統(tǒng)，還有很多事情要做。在本?的最后，我們討論了接下來的?個步驟，包括定義AGI本?，為AGI建?LLM中的?些缺失組件，及更好地理解最近的LLM所展?的智能的起源。定義AGI在本?中，我們使?了?組?理學家在1994年對智能的定義作為指導框架來探索4的??智能。這個定義抓住了智能的?些重要??，如推理、解決問題和抽象，但也是模糊和不完整的。它沒有說明如何衡量或?較這些能?。此外，它可能沒有反映出??系統(tǒng)的具體挑戰(zhàn)和機會，??系統(tǒng)可能有與?然系統(tǒng)不同的?標和約束。因此，我們承認這個定義不是關于智能的最終說法，?是我們調查的?個有?的起點。有?量正在進?的?獻試圖提出關于智能、??智能和??通?智能的更加正式和全?的定義，但其中沒有?個是沒有問題或爭議的。例如，Legg和Hutter提出了?個?向?標的??通?智能定義：智能衡量?個代理?在?泛的環(huán)境中實現(xiàn)?標的能?然?，這個定義并不?定能捕捉到智能的全部范圍，因為它排除了那些可以執(zhí)?復任務或回答問題?沒有任何內在動機或?標的被動或反應系統(tǒng)。Chollet提出的定義強調了承認先驗（相對于普遍性）的重要性，該定義將智能的中?放在技能獲取效率上，或者換句話說，將重點放在1994年定義的?個組成部分上：經(jīng)驗中學習（這也正好是LLM的關鍵弱點之?）。Legg和Hutter對??通?智能的另?個候選定義是：?個能做?類能做的任何事情的系統(tǒng)。然?，這個定義也是有問題的，因為它假設有?個單?的標準或衡量?類智或能?的標準，?事實顯然不是這樣。?類有不同的技能、天賦、偏好和限制，沒?個?可以做任何其他?類可以做的所有事情。此外，這個定義還意味著某種?類中?主義的偏?，這對??系統(tǒng)來說可能并不合適或不相關。雖然我們在本?中沒有采?這些定義中的任何?個，但我們認識到它們提供了關于能的重要?度。通往AGI之路GPT4或其他LLMs需要繼續(xù)改進的?向包括：信?校準：模型很難知道什么時候它應該有信?，什么時候它只是在猜測。模會編造事實，我們稱之為幻覺。如果是編造訓練集?沒有的內容屬于開放域幻覺，如果是編造和prompt不?致的內容屬于封閉域幻覺?；糜X可以??種?信的、有說服?的?式陳述，所以很難被發(fā)現(xiàn)。有?種互補的?法來嘗試解決幻問題。?種?法是改善模型的校準（通過提?或微調），使其在不可能正確的況下放棄回答，或者提供?些其他可以?于下游的信?指標。另?種適合于緩解開放域幻覺的?法是將模型缺乏的信息插?到提?中，例如通過允許模型調?外部信息源，如搜索引擎（或其他plugins）。對于封閉領域的幻覺，通過讓模型前?進??致性檢查會有?定程度的改善。最后，構建應?程序的?戶體驗時充分考慮到幻覺的可能性也是?種有效的緩解策略。?期記憶：?前只有8000token（最新版可擴展到32k）。它以“?狀態(tài)”的?式運?，且我們沒有明顯的辦法來向模型教授新的事實。持續(xù)性學習：模型缺乏?我更新或適應變化環(huán)境的能?。?旦訓練好，就是固的?？梢赃M?微調，但是會導致性能下降或過度擬合。所以涉及到訓練結束后現(xiàn)的事件、信息和知識，系統(tǒng)往往會過時。個性化：例如，在教育環(huán)境中，?們期望系統(tǒng)能夠理解特定的學習?格，并隨時間的推移適應學?的理解?和能?的進步。該模型沒有任何辦法將這種個性的信息納?其反應中，只能通過使?metaprompts，這既有限?低效。提前規(guī)劃和概念性跳躍：執(zhí)?需要提前規(guī)劃的任務或需要Eurekaidea的任務時到了困難。換句話說，該模型在那些需要概念性跳躍的任務上表現(xiàn)不佳，?這種概念性跳躍往往是?類天才的典型。透明度、可解釋性和?致性：模型不僅會產?幻覺、編造事實和產?不?致的容，?且似乎沒有辦法驗證它產?的內容是否與訓練數(shù)據(jù)?致，或者是否是?的。認知謬誤和?理性：該模型似乎表現(xiàn)出?類知識和推理的?些局限性，如認知差和?理性（如確認、錨定和基數(shù)忽略的偏差）和統(tǒng)計謬誤。該模型可能繼承其訓練數(shù)據(jù)中存在的?些偏?、成?或錯誤。對輸?的敏感性：該模型的反應對Prompts的框架或措辭的細節(jié)以及它們的順序能?常敏感。這種?穩(wěn)健性表明，在Prompt?程及其順序??往往需要?量的努?和實驗，?在?們沒有投?這種時間和努?的情況下使?，會導致次優(yōu)和不致的推論和結果。?些提?模型精準度的擴展?段：模型對組件和?具的外部調?，如計算器、數(shù)據(jù)庫搜索或代碼執(zhí)?。?個更豐富、更復雜的"慢思考"的深?機制，監(jiān)督下?個詞預測的"快思考"機制。這樣的?法可以讓模型進??期的計劃、探索或驗證，并保持?個?作記或?動計