梦晨 发自 凹非寺量子位 | 公众号 QbitAI
OpenAI突然发布新模型！基于GPT-4训练，可以帮助下一代GPT训练。
CriticGPT，用于给代码挑Bug时能找到75%以上，而相比之下人类只能找到不到25%。
它还可以给Bug写“锐评”，在60%的情况下人类训练师更喜欢有CriticGPT帮助下的批评。
![]()
有网友开玩笑说，“只会批评的GPT，这不是我前妻么”。
![]()
但这项研究最重要之处在于，CriticGPT挑错能力可以泛化到代码之外。
比如在RLHF训练中给AI的输出挑错，而且已经进入OpenAI内部训练流程。
![]()
更好的RLHF就能训练出更强的模型，更强的模型又能通过更好地挑错来增强RLHF训练……
论文结论中赫然写道：在真实世界数据中挑错误上，AI还可以继续进步，人类智能已经到头了。
![]()
左脚踩右脚上天，难道真的被这帮人给搞出来了？
![]()
这是一篇来自被解散的超级对齐团队的“遗作”，由前负责人Jan Leike带队。
而Leike本人已经跳槽去了隔壁Anthropic，继续做这类研究。
![]()
基于GPT-4，改进GPT-4
OpenAI官网文章变相承认了，GPT-4之后这么久没有大的改进，还真的遇到一些瓶颈：
随着AI能力变强，它犯的错也不那么显眼了，人类训练师都难以发现不准确之处。
人类给不出反馈，那RLHF“人类反馈强化学习”就无从谈起了。
![]()
CriticGPT正是为了应对这一挑战而生。
CriticGPT基于GPT-4，也接受了RLHF训练出，但特别之处在于训练数据中包含大量的错误输入。
具体来说，分为三步：
让人类标注员在ChatGPT生成的代码里故意植入一些微妙的bug。
标注员扮演代码审查员的角色，写下他们对这些bug的评论。
用这些数据来训练CriticGPT，让它学会如何发现和指出代码中的问题。
![]()
在具体训练过程中，他们还玩了点花样。
比如不断让标注员验证自己插入的bug是否足够隐蔽，能够骗过当前版本的CriticGPT。这样一来，CriticGPT就被迫不断进化，学会发现越来越隐蔽的问题。
思路有点像GAN的左右互搏，只不过生成器这个位置是人类来充当的……
最后，OpenAI还使用了一种“强制采样束搜索”（FSBS）的技术，允许CriticGPT在生成评论时既能保持全面，又能减少”幻觉”和“鸡蛋里挑骨头”现象。
具体来说，FSBS会强制模型生成多个不同的评论片段，用奖励模型对这些片段进行评分，最后根据评分和一个长度修正因子来选择最佳的评论组合。
通过调整长度修正因子，可以在评论的全面性和准确性之间找到最佳平衡点，既不会错过重要问题，又不会过度挑剔。
![]()
等一下，推理时搜索，这不正是和传闻中的Q*一个思路，这次居然写到了论文里。
可能是看外部团队（如颜水成）按这一思路的研究已经够多了，就不再藏着掖着了。
![]()
说回到CriticGPT，取得了哪些结果呢？
在发现人为插入的bug方面，人类审核员平均只能找到25%，而CriticGPT的成功率高达75%以上
在评估自然出现的Bug时，有63%的情况下人类更倾向于选择CriticGPT的评论而非人类评论
CriticGPT的评论被认为比ChatGPT的更全面，更少出现”幻觉”和无关紧要的挑剔
在评估非代码任务时，成功识别出数百个在ChatGPT训练数据中被人类认为是”完美”的错误。
不过CriticGPT也不是十全十美，它也会有”幻觉”问题，指出一些实际上不存在的问题。
目前，人类和CriticGPT组队工作效果最好：既能发现大部分问题，又能避免AI的”幻觉”。
![]()
RLHF上限不再是人类
对于CriticGPT，负责这项研究的Jan Leike也补充了他自己的一些看法。
![]()
RLHF是创造出ChatGPT的核心技术之一，但隐患在于人类能力就是RLHF的天花板。
当需要AI去解决人类无能为力的任务时，人类给不出相应反馈，AI也就无法改进了。
CriticGPT的成功，意味着超级对齐团队设想中的可扩展监督，也就是用弱模型监督训练更强的模型，终于有希望了。
![]()
不过他也透露，目前CriticGPT并没有帮助人类显著提高艰难任务上的准确性，但是框架有了只要有更好的预训练模型就能不断改进。
![]()
为什么先从代码任务开始入手呢？
一方面，代码任务有现实意义，做出来的模型可以直接用上。
另一方面，代码可以清晰明确的评估，比开放式对话更客观，更容易评估CriticGPT发现的问题是否真实和重要。
结果CriticGPT在代码上训练，却不仅能挑代码Bug，还给1/4的ChatGPT生产数据挑出了问题。
![]()
最后，由于原OpenAI超级对齐团队已经解散，已经跳槽的Jan Leike插入了一条Anthropic招聘广告：
想做后续研究的请去隔壁。
也是让人不得不感叹硅谷是真的没有竞业协议。
![]()
One More Thing
同日，谷歌发布了开源大模型Gemma 2，OpenAI赶紧甩出一条消息来狙击，这都第几次了。
![]()
对于甩出来的不是Sora公测或者GPT-4o完整语音、视频模式，也有很多人不满。
有网友提了个更好的主意：
做个ReleaseGPT，专门用来发布承诺好的更新吧。
![]()
不过这次OpenAI久违的放出了论文，也还算有一些诚意。
论文地址：https://cdn.openai.com/llm-critics-help-catch-llm-bugs-paper.pdf
参考链接：[1]https://openai.com/index/finding-gpt4s-mistakes-with-gpt-4/[2]https://x.com/janleike/status/1806386442568142995
— 完 —
量子位年度AI主题策划正在征集中！
欢迎投稿专题 一千零一个AI应用，365行AI落地方案
或与我们分享你在寻找的AI产品，或发现的AI新动向
![]()
点这里👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~
![]()
OpenAI突然发布新模型！基于GPT-4训练，可以帮助下一代GPT训练。
CriticGPT，用于给代码挑Bug时能找到75%以上，而相比之下人类只能找到不到25%。
它还可以给Bug写“锐评”，在60%的情况下人类训练师更喜欢有CriticGPT帮助下的批评。
有网友开玩笑说，“只会批评的GPT，这不是我前妻么”。
但这项研究最重要之处在于，CriticGPT挑错能力可以泛化到代码之外。
比如在RLHF训练中给AI的输出挑错，而且已经进入OpenAI内部训练流程。
更好的RLHF就能训练出更强的模型，更强的模型又能通过更好地挑错来增强RLHF训练……
论文结论中赫然写道：在真实世界数据中挑错误上，AI还可以继续进步，人类智能已经到头了。
左脚踩右脚上天，难道真的被这帮人给搞出来了？
这是一篇来自被解散的超级对齐团队的“遗作”，由前负责人Jan Leike带队。
而Leike本人已经跳槽去了隔壁Anthropic，继续做这类研究。
基于GPT-4，改进GPT-4
OpenAI官网文章变相承认了，GPT-4之后这么久没有大的改进，还真的遇到一些瓶颈：
随着AI能力变强，它犯的错也不那么显眼了，人类训练师都难以发现不准确之处。
人类给不出反馈，那RLHF“人类反馈强化学习”就无从谈起了。
CriticGPT正是为了应对这一挑战而生。
CriticGPT基于GPT-4，也接受了RLHF训练出，但特别之处在于训练数据中包含大量的错误输入。
具体来说，分为三步：
让人类标注员在ChatGPT生成的代码里故意植入一些微妙的bug。
标注员扮演代码审查员的角色，写下他们对这些bug的评论。
用这些数据来训练CriticGPT，让它学会如何发现和指出代码中的问题。
在具体训练过程中，他们还玩了点花样。
比如不断让标注员验证自己插入的bug是否足够隐蔽，能够骗过当前版本的CriticGPT。这样一来，CriticGPT就被迫不断进化，学会发现越来越隐蔽的问题。
思路有点像GAN的左右互搏，只不过生成器这个位置是人类来充当的……
最后，OpenAI还使用了一种“强制采样束搜索”（FSBS）的技术，允许CriticGPT在生成评论时既能保持全面，又能减少”幻觉”和“鸡蛋里挑骨头”现象。
具体来说，FSBS会强制模型生成多个不同的评论片段，用奖励模型对这些片段进行评分，最后根据评分和一个长度修正因子来选择最佳的评论组合。
通过调整长度修正因子，可以在评论的全面性和准确性之间找到最佳平衡点，既不会错过重要问题，又不会过度挑剔。
等一下，推理时搜索，这不正是和传闻中的Q*一个思路，这次居然写到了论文里。
可能是看外部团队（如颜水成）按这一思路的研究已经够多了，就不再藏着掖着了。
说回到CriticGPT，取得了哪些结果呢？
在发现人为插入的bug方面，人类审核员平均只能找到25%，而CriticGPT的成功率高达75%以上
在评估自然出现的Bug时，有63%的情况下人类更倾向于选择CriticGPT的评论而非人类评论
CriticGPT的评论被认为比ChatGPT的更全面，更少出现”幻觉”和无关紧要的挑剔
在评估非代码任务时，成功识别出数百个在ChatGPT训练数据中被人类认为是”完美”的错误。
不过CriticGPT也不是十全十美，它也会有”幻觉”问题，指出一些实际上不存在的问题。
目前，人类和CriticGPT组队工作效果最好：既能发现大部分问题，又能避免AI的”幻觉”。
RLHF上限不再是人类
对于CriticGPT，负责这项研究的Jan Leike也补充了他自己的一些看法。
RLHF是创造出ChatGPT的核心技术之一，但隐患在于人类能力就是RLHF的天花板。
当需要AI去解决人类无能为力的任务时，人类给不出相应反馈，AI也就无法改进了。
CriticGPT的成功，意味着超级对齐团队设想中的可扩展监督，也就是用弱模型监督训练更强的模型，终于有希望了。
不过他也透露，目前CriticGPT并没有帮助人类显著提高艰难任务上的准确性，但是框架有了只要有更好的预训练模型就能不断改进。
为什么先从代码任务开始入手呢？
一方面，代码任务有现实意义，做出来的模型可以直接用上。
另一方面，代码可以清晰明确的评估，比开放式对话更客观，更容易评估CriticGPT发现的问题是否真实和重要。
结果CriticGPT在代码上训练，却不仅能挑代码Bug，还给1/4的ChatGPT生产数据挑出了问题。
最后，由于原OpenAI超级对齐团队已经解散，已经跳槽的Jan Leike插入了一条Anthropic招聘广告：
想做后续研究的请去隔壁。
也是让人不得不感叹硅谷是真的没有竞业协议。
One More Thing
同日，谷歌发布了开源大模型Gemma 2，OpenAI赶紧甩出一条消息来狙击，这都第几次了。
对于甩出来的不是Sora公测或者GPT-4o完整语音、视频模式，也有很多人不满。
有网友提了个更好的主意：
做个ReleaseGPT，专门用来发布承诺好的更新吧。
不过这次OpenAI久违的放出了论文，也还算有一些诚意。
论文地址：https://cdn.openai.com/llm-critics-help-catch-llm-bugs-paper.pdf
参考链接：[1]https://openai.com/index/finding-gpt4s-mistakes-with-gpt-4/[2]https://x.com/janleike/status/1806386442568142995
— 完 —
量子位年度AI主题策划正在征集中！
欢迎投稿专题 一千零一个AI应用，365行AI落地方案
或与我们分享你在寻找的AI产品，或发现的AI新动向
点这里👇关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~