ChatGPT的準確率直線提升23.7%！香港理工大學提出大模型黑箱知識注入

AIGC動態歡迎閱讀

原標題：ChatGPT的準確率直線提升23.7%！香港理工大學提出大模型黑箱知識注入
關鍵字：知識,路徑,實體,圖譜,提示
文章來源：夕小瑤科技說
內容字數：8265字

內容摘要：

夕小瑤科技說 原創作者 | 謝年年、python
ChatGPT通過交互式API就能像專家一樣回答各種問題。但當遇到一些專業領域的問題時，它們可能會“短路”，給出不太準確的答案，因為這些問題它們之前沒學過！
既然缺少知識，那么要解決這個問題就要想辦法將知識整合到LLMs中。常用的知識注入方法屬于“白盒”，需要對LLMs的模型架構和參數了如指掌。
但ChatGPT、GPT-4通過API提供訪問權限，只能通過提交文本輸入來獲取模型的響應，而模型的具體細節無法獲取，因此“白盒”知識注入方法不再適用。
香港理工大學團隊介紹了一種名為KnowGPT的黑盒知識注入框架，僅通過API將知識圖譜高效地集成到LLMs。KnowGPT利用強化學習從知識圖譜中提取相關知識，并使用多臂機為每個問題構建最合適的提示。
該框架在三個基準數據集上表現得非常出色，甚至比ChatGPT要好23.7%，比GPT-4還要強2.9%！
更厲害的是，它在OpenbookQA官方排行榜上達到了91.6%的準確率，跟人類的表現差不多！
論文標題:KnowGPT: Black-Box Knowledge Injection fo

原文鏈接：ChatGPT的準確率直線提升23.7%！香港理工大學提出大模型黑箱知識注入

聯系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：更快的AI前沿，更深的行業洞見。聚集25萬AI應用開發者、算法工程師和研究人員。一線作者均來自清北、國外頂級AI實驗室和互聯網大廠，兼備媒體sense與技術深度。