GPT-4 被曝“变蠢”！为了降本，OpenAI 偷偷搞“小动作”？

整理 | 郑丽媛

出品 |

“你们有没有觉得，最近 GPT-4 的质量有所下降？”

早在今年 5 月中旬开始，就有 GPT-4 用户在 OpenAI 的在线开发者论坛中发帖，表示 GPT-4 好像开始“变蠢”了：

“我使用 ChaPT 已经有一段时间了，自 GPT-4 发布后，我就成为了 GPT Plus 用户。我一般会用 GPT-4 来助力长篇内容的分析和创作。过去，GPT-4 似乎能很好地理解我的要求。但现在，它似乎失去了对信息的跟踪，给了我很多错误的信息，误解我要求的情况也越来越多……目前，GPT-4 感觉更像 GPT-3.5。

有没有其他人注意到这一点，还是说只有我偶然遇到了这个问题？”

事实证明，这位 GPT-4 用户并不是一个人——该帖下，许多用户都留言称：“我也很有同感！”

问题百出的新版 GPT-4

根据许多使用者的反馈，GPT-4 除了在长篇内容的分析和创作上表现有所退步，在写作质量上也有所下滑。

Roblox 的产品负责人 Peter Yang 在推特上表示，GPT-4 模型的输出更快了，但质量变差了：“只是简单的问题，例如让写作更清晰简洁并提供想法……在我看来，写作质量下降了。”

在讨论/评估复杂的逆问题、不同的变化率或变化模式以及时空变异性时，**版 GPT-4 的逻辑能力明显下降。

“在 GPT-4 更新之前，我很少收到错误的回复，但现在我必须仔细检查所有输出（即，现在双重否定条件有时不能适当地转换为肯定条件）。我认为这些错误更类似于 GPT-3.5，而不是之前的 GPT-4 推理水平。”

甚至在编码能力上，新版 GPT-4 的输出质量也不如以往。

一位用 GPT-4 为网站编写功能代码的开发者抱怨：“目前的 GPT-4 很令人失望。这就像开了一辆法拉利一个月，然后突然变成了一辆破旧的皮卡，我不确定我是否会愿意继续为此付费。”

另一位开发者也提到现在的 GPT-4 会循环输出代码：“完全糟透了，GPT-4 开始一遍又一遍地循环输出代码或其他信息。我让它写代码，它写到一个点，突然来个”““”，然后又开始！和以前相比，它现在简直就是个**。”

除此之外，在推特和 OpenAI 的在线开发者论坛中，也不断有用户反映新版 GPT-4 逻辑弱化、产生很多错误响应、无法跟踪提供的信息、不遵循说明要求、忘记在基本软件代码中添加括号、只记住最近的提示等种种问题。

对于 GPT-4 突然“降智”的表现，有用户提出猜测：“当前版本感觉跟刚推出时的版本大不相同，我猜 OpenAI 为了容纳更多客户选择在质量上妥协！”

如此看来，如今用户对于 GPT-4 的评价确实比不上它刚出道时的“风评”**期。

GPT-4 变快了，却也变“蠢”了

去年年底基于 GPT-3.5 的 ChaPT 横空出世，其卓越的生成能力掀起了一股 AIGC 热潮，因此今年 3 月 OpenAI 公布比 GPT-3.5 更强大的 GPT-4 时，全世界都为之惊叹。

当时，GPT-4 被称之为“史上最强大的 AI 模型”，尤其多模态的特点，意味着它既能理解图像，也能理解文字输入，于是迅速成为了开发人员和其他技术业内人士的**模型，也产生了更多对 GPT-4 的赞誉：10 秒生成一个网站、通过最难美国法考、满分通过 MIT 本科数学考试……

不过在人们惊叹于 GPT-4 的强大之时，其产生的费用及响应速度也令不少人感到震惊。对此，Lamini（一家帮助开发者建立定制大型语言模型的初创公司）的首席执行官 Sharon Zhou 表示：“GPT-4 虽然速度慢，但非常准确。”

一直到 5 月份，GPT-4 还一直保持着“又慢又贵但很准确”的状态——后来，GPT-4 响应变快了，与此同时用户对其性能下降的质疑也爆发了。

对于这个现象，包括 Sharon Zhou 在内的几位 AI 专家认为：OpenAI 可能正在创建几个较小的 GPT-4 模型，这些模型的作用与大型模型类似，但运行成本较低。

专家推测：或许与 MoE 技术有关

根据 Sharon Zhou 的介绍，这种方法被称为 Mixture-of-Experts（MoE），即混合专家系统。MoE 技术是在神经网络领域发展起来的一种集成学习技术，也是目前训练万亿参数量级模型的关键技术——由于现阶段模型规模越来越大，导致训练的开销也日益增长，而 MoE 技术可以动态激活部分神经网络，从而实现在不增加计算量的前提下大幅度增加模型参数量。

具体来说，MoE 会将预测建模任务分解为若干子任务，在每个子任务上训练一个专家模型（Expert Model），并开发一个门控模型（Gating Model），该模型可根据要预测的输入来学习信任哪个专家，并组合预测结果。

那么 MoE 技术引用到 GPT-4 是什么情况呢？Sharon Zhou 解释道，在 GPT-4 中这些小型专家模型会针对不同的任务和主题领域进行训练，例如可以有针对生物、物理、化学等方面的小型 GPT-4 专家模型，那么当用户向 GPT-4 提出问题时，新系统就会知道要把这个问题发送给哪个专家模型。另外，为了以防万一，新系统可能会向两个或更多的专家模型发送查询，然后将结果混在一起。

对于这个做法，Sharon Zhou 的形容是“忒修斯之船”（一种有关身份更替的悖论，假定某物体的构成要素被置换后，但它依旧是原来的物体吗？），即随着时间的推移，OpenAI 会把 GPT-4 的各个部分替换掉：“OpenAI 正在将 GPT-4 变成一支小型舰队。”

基于以上推测，Sharon Zhou 认为近来 GPT-4 “变蠢”的言论，很可能就与 MoE 这种训练方式有关：“当用户测试 GPT-4 时，我们会问很多不同的问题，而规模较小的 GPT-4 专家模型不会做得那么好，但它正在收集我们的数据，它会改进和学习。”

GPT-4 架构曝光？

由于用户对于 GPT-4 “变蠢”的反馈越来越多，本周几位 AI 专家也发布了所谓的“GPT-4 架构细节”。

其中，一位名为 Yam Peleg 的推特博主表示， GPT-4 有大约 1.8 万亿个参数，横跨 120 层，比 GPT-3 大 10 倍以上，在约 13T token 上进行训练，训练成本约为 6300 万美元……值得一提的是，Yam Peleg 也表示 OpenAI 在采用 MoE，即通过使用 16 个混合专家模型来降低 GPT-4 运行的成本。

截至目前，OpenAI 方面并没有对这一说法做出回应。不过 Allen 人工智能研究所的创始首席执行官 Oren Etzioni 向媒体表示：“虽然我也没得到证实，但我认为这些猜测应该大致正确。”

他解释道，一般使用 MOE 方法有两种原因：要么想要生成更好的响应，要么想要更便宜、更快的响应。

“理想情况下 MOE 会让你同时获得这两方面的优势，但现实中通常需要在成本和质量之间做出权衡。”基于此，Oren Etzioni 认为结合现在的情况来看，OpenAI 似乎为了降低 GPT-4 的成本而牺牲了一些质量。

那么对于这件事，你的看法又是什么呢？

参考链接：

https://www.businessinsider.com/openai-gpt4-ai-model-got-lazier-dumber-chapt-2023-7?utm_source=reddit.com

https://community.openai.com/t/has-there-been-a-recent-decrease-in-gpt-4-quality/207392/9

https://the-decoder.com/gpt-4-architecture-datasets-costs-and-more-leaked/