Just keep scaling！思維鏈作者Jason Wei 40分鐘講座剖析LLM擴展范式

擴展，擴展，還是擴展！

原標題：Just keep scaling！思維鏈作者Jason Wei 40分鐘講座剖析LLM擴展范式
文章來源：機器之心
內容字數：19621字

Jason Wei：大型語言模型的擴展范式與未來展望

機器之心編輯部對Jason Wei這個名字一定不陌生。他是OpenAI資深研究科學家，思維鏈概念開山之作《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》的第一作者，其工作對思維鏈提示、指令微調和涌現現象等技術和概念的普及貢獻巨大。近日，他在賓夕法尼亞大學的客座講座視頻和幻燈片公開，機器之心對主要內容進行了整理。

1. 擴展的定義與重要性

傳統上，擴展指增加模型規模、數據量和GPU數量。Wei給出了更具體的定義：擴展是將自身置于可沿連續軸移動并期望持續改進的狀態。盡管擴展面臨技術和心理挑戰（如高昂成本、對算法改進的偏好、激勵機制的錯配），但它是AI進步的關鍵引擎，并將繼續主導該領域的發展。

2. 擴展范式一：下一詞預測

從2018年至今，下一詞預測是主流范式。它實際上是一個大規模多任務學習過程，通過預測下一詞，模型學法、世界知識、情感分析、翻譯等多種能力。模型的整體準確率是多個子任務加權和，涌現現象正是由于不同任務提升速度不同所致。雖然下一詞預測可能最終實現AGI，但其處理復雜任務存在局限性，需要持續擴展。

3. 擴展范式二：基于思維鏈擴展強化學習

思維鏈(CoT)讓模型像人類一樣展示推理過程。OpenAI通過強化學習優化模型的思維鏈能力，使其更好地解決復雜問題。o1項目是這一范式的代表，它能進行多步推理，解決復雜問題，例如競賽數學題。這表明，延長模型思考時間，提升推理能力，是擴展的另一個重要方向。

4. AI 文化的變革

擴展改變了AI研究文化：研究重點從改進算法轉向改進數據質量；基準測試被“飽和”的速度加快；從單任務模型轉向高度多任務模型；智能和用戶體驗成為可分別改進的維度；需要更大規模的團隊合作。

5. 未來展望

Wei展望了AI的未來發展方向：AI在科學和醫療健康領域的應用；提高事實準確性，減少虛假信息；發展多模態AI能力；增強工具使用能力；擴大AI應用范圍。他認為，持續擴展將推動未來五年AI取得更大的進步，并以“just keep scaling”作為演講結束語。

總而言之，Jason Wei的演講強調了擴展在大型語言模型發展中的核心作用，并指出了未來研究的重點方向，即通過持續擴展模型規模、數據質量以及推理能力，最終實現AGI的可能性。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺