ChatGPT的前世今生

1. ChatGPT的前世今生李丕绩计算机科学与技术学院/人工智能学院南京航空航天大学 pjli@nuaa.edu.cn

2. 个人介绍 • 教育经历 • 香港中文大学, 博士, 2018 • 自然语言处理 • 山东大学, 本科&硕士, 2009&2012 • 计算机视觉&信息检索 • 工作经历 • 北京百度, 2012 • 深圳无觅, 2013 • 深圳腾讯AI Lab, 2018 • 南京航空航天大学, 2021 • 自然语言处理 4/11/2023 Piji Li, LLM&ChatGPT 2

3. 人工智能发展史 4/11/2023 Piji Li, LLM&ChatGPT https://www.itheima.com/news/20210507/180049.html 3

4. 接触AI 4/11/2023 Piji Li, LLM&ChatGPT 4

5. AI十年回顾 AlexNet 4/11/2023 Piji Li, LLM&ChatGPT 5

6. AI十年回顾 • 2006-2009, 1000 categories and 1.2 million training images ImageNet Classification Error 0.4 0.35 Deeper Network in Network Deep DNN First Blood 0.3 0.25 0.2 0.15 0.1 0.05 0 2015 2014 2013 2012 Li Fei-Fei: ImageNet Large Scale Visual Recognition Challenge, 2014 http://image-net.org/ 4/11/2023 Piji Li, LLM&ChatGPT 6

7. AI十年回顾 https://m.thepaper.cn/baijiahao_11940577 4/11/2023 Piji Li, LLM&ChatGPT 7 https://www.cbc.ca/news/science/google-buys-university-of-toronto-startup-1.1373641

8. AI十年回顾 “深度学习三巨头”之称的Yoshua Bengio、Yann LeCun、Geoffrey Hinton共同获得了2018年的图灵奖，这是图灵奖1966年建立以来少有的一年颁奖给三位获奖者。 4/11/2023 Piji Li, LLM&ChatGPT 8

9. AI十年回顾 • 2006-2009, 1000 categories and 1.2 million training images ImageNet Classification Error 0.4 0.35 Deeper Network in Network Deep DNN First Blood 0.3 0.25 0.2 0.15 0.1 0.05 0 2015 2014 2013 2012 Li Fei-Fei: ImageNet Large Scale Visual Recognition Challenge, 2014 http://image-net.org/ 4/11/2023 Piji Li, LLM&ChatGPT 9

10. AI十年回顾 • 何恺明 Kaiming He，本科就读于清华大学，博士毕业于香港中文大学多媒体实验室。 2011年加入微软亚洲研究院（MSRA）工作。2016年，加入 Facebook AI Research（FAIR）担任研究科学家 4/11/2023 Piji Li, LLM&ChatGPT 10

11. AI十年回顾 AlphaGO 4/11/2023 Piji Li, LLM&ChatGPT 11

12. AI十年回顾 • DeepMind成立于2010年，2014年被Google收购。 • 2014年开始开发人工智能围棋软件AlphaGo。 • 2015年10月，分布式版AlphaGo分先以5:0击败了欧洲围棋冠军华裔法籍职业棋士樊麾二段。 • 2016年3月，AlphaGo挑战世界冠军韩国职业棋士李世乭（이세돌）九段，对弈结果为AlphaGo 4:1战胜了李世乭。 4/11/2023 Piji Li, LLM&ChatGPT 12

13. AI十年回顾 4/11/2023 Piji Li, LLM&ChatGPT 13

14. AI十年回顾 • 4 : 1 4/11/2023 Piji Li, LLM&ChatGPT 14

15. AI十年回顾 • AI绘图 4/11/2023 Piji Li, LLM&ChatGPT 15

16. AI十年回顾 4/11/2023 Piji Li, LLM&ChatGPT 16

17. AI十年回顾 AlphaFold 4/11/2023 Piji Li, LLM&ChatGPT 17

18. AI十年回顾 • CASP • 2018-AF1 • 2020-AF2 • 2021-Nature 4/11/2023 Piji Li, LLM&ChatGPT 18 https://www.nature.com/articles/s41586-021-03819-2

19. AI十年回顾 Diffusion Model 4/11/2023 Piji Li, LLM&ChatGPT 19

20. Stable Diffusion 4/11/2023 Piji Li, LLM&ChatGPT 20

21. Disco Diffusion 4/11/2023 Piji Li, LLM&ChatGPT 21

22. Midjourney v5 4/11/2023 Piji Li, ChatGPT 22

23. Diffusion Model 4/11/2023 Piji Li, LLM&ChatGPT 23

24. AI十年回顾 ChatGPT GPT4 4/11/2023 Piji Li, LLM&ChatGPT 25

25. ChatGPT 4/11/2023 Piji Li, LLM&ChatGPT 26

26. GPT-4 • Mar. 14, 2023 4/11/2023 Piji Li, LLM&ChatGPT 27

27. AI十年回顾 4/11/2023 Piji Li, LLM&ChatGPT 28

28. AI十年回顾 4/11/2023 Piji Li, LLM&ChatGPT 29

29. 人工智能 • 机器学习 • 计算机视觉 • 自然语言处理 • 语音识别及合成 • 机器人 4/11/2023 Piji Li, LLM&ChatGPT 30

30. 什么是自然语言处理？ • 自然语言 • 人类使用的语言，如汉语、英语、法语等；特指文本符号(非语音)。 • 如何定义 • 自然语言处理(Natural Language Processing, NLP)是利用计算机技术来分析、理解和处理自然语言的一门学科, 涉及到语言学、计算机科学、人工智能等交叉领域，关注计算机和人类(自然) 语言之间的交互。 • 可分为自然语言理解 (Natural Language Understanding, NLU) 和自然语言生成 (Natural Language Generation, NLG)两大部分。 • 属于认知智能 • 计算智能(能存会算)，感知智能(能听会说，能看会认) • 认知智能(能理解会思考，需要抽象和推理能力) 4/11/2023 Piji Li, LLM&ChatGPT 31

31. 认知智能 4/11/2023 Piji Li, LLM&ChatGPT 32

32. #自然语言处理太难了# • 歧义性 • 主观性 • 创新性 • 知识性 • 组合性 • 上下文 • 多模态 4/11/2023 Piji Li, LLM&ChatGPT 33

33. #自然语言处理太难了# • 歧义性 • 主观性 • 创新性 • 知识性 • 组合性 • 上下文 • 多模态 4/11/2023 Piji Li, LLM&ChatGPT 34

34. “自然语言处理是人工智能皇冠上的明珠” ChatGPT! (from：哈工大车万翔) 4/11/2023 Piji Li, LLM&ChatGPT 35

35. ChatGPT是怎么诞生的？罗马不是一天建成的 4/11/2023 Piji Li, LLM&ChatGPT 36

36. ChatGPT是怎么诞生的？ • • • • • • • • • • • 向量空间模型 Bm25 Svd Plsa Lda Word2vec Deepwalk transE Cnn句子分类匹配、摘要等 Seq2seq翻译 4/11/2023 • • • • • • • • • • • • • Piji Li, LLM&ChatGPT CnnSeq Transformer Language model Lstm pretrain ELMo GPT BERT xlnet roberta、albert、 electra GPT2 GPT3 BART T5 PEGASUS WebGPT RLHF InstructGPT 37

37. 内容 • 基础技术 • 预训练技术 • ChatGPT • 未来展望 4/11/2023 Piji Li, LLM&ChatGPT 38

38. 内容 • 基础技术 • 预训练技术 • ChatGPT • 未来展望 4/11/2023 Piji Li, LLM&ChatGPT 39

39. 基础技术的故事 4/11/2023 Piji Li, LLM&ChatGPT 40

40. Language Model 语言模型 4/11/2023 Piji Li, LLM&ChatGPT 41

41. 语言模型 • Language Model 4/11/2023 Piji Li, LLM&ChatGPT 42 孙栩，自然语言处理导论

42. 语言模型 • Language Model 4/11/2023 Piji Li, LLM&ChatGPT 43 孙栩，自然语言处理导论

43. 语言模型 • Language Model 4/11/2023 Piji Li, LLM&ChatGPT 44 孙栩，自然语言处理导论

44. N-gram LM 4/11/2023 Piji Li, LLM&ChatGPT 45 孙栩，自然语言处理导论

45. N-gram LM 4/11/2023 Piji Li, LLM&ChatGPT 46 孙栩，自然语言处理导论

46. N-gram LM 4/11/2023 Piji Li, LLM&ChatGPT 47 孙栩，自然语言处理导论

47. Evaluation: Perplexity 4/11/2023 Piji Li, LLM&ChatGPT 48

48. NN LM • Neural Network based Language Model 4/11/2023 Piji Li, LLM&ChatGPT 49

49. NN LM 4/11/2023 Piji Li, LLM&ChatGPT 50 孙栩，自然语言处理导论

50. NN LM 4/11/2023 Piji Li, LLM&ChatGPT 51 孙栩，自然语言处理导论

51. 梯度消失/爆炸 https://kexue.fm/archives/7888 4/11/2023 Piji Li, LLM&ChatGPT 54

52. 长程依赖问题 • 循环神经网络在时间维度上非常深！ • 梯度消失或梯度爆炸 • 如何改进？ • 梯度爆炸问题 • 权重衰减 • 梯度截断 • 梯度消失问题 • 改进模型 4/11/2023 Piji Li, LLM&ChatGPT 55

53. 长程依赖问题 • 改进方法 • 循环边改为线性依赖关系 • 增加非线性残差网络？ 4/11/2023 Piji Li, LLM&ChatGPT 56

54. Long Short-Term Memory, LSTM 4/11/2023 Piji Li, LLM&ChatGPT 57

55. 4/11/2023 Piji Li, LLM&ChatGPT 58

56. I am the GOD Father! 4/11/2023 Piji Li, LLM&ChatGPT LSTM现在也没有多少人用了。。。 59

57. 长短期记忆神经网络（Long Short-Term Memory, LSTM ） 4/11/2023 Piji Li, LLM&ChatGPT 60

58. 长短期记忆神经网络（Long Short-Term Memory, LSTM ） 4/11/2023 Piji Li, LLM&ChatGPT https://kexue.fm/archives/7888 61

59. LSTM的各种变体 • 没有遗忘门 • 耦合输入门和遗忘门 • peephole连接 4/11/2023 Piji Li, LLM&ChatGPT 62

60. Gated Recurrent Unit, GRU • 顺便讲讲GRU 4/11/2023 Piji Li, LLM&ChatGPT 63

61. Gated Recurrent Unit, GRU 4/11/2023 Piji Li, LLM&ChatGPT 64

62. Gated Recurrent Unit, GRU 重置门更新门 4/11/2023 Piji Li, LLM&ChatGPT 65

63. RNN LM的应用 4/11/2023 Piji Li, LLM&ChatGPT 69

64. 语言模型做生成？ 4/11/2023 Piji Li, LLM&ChatGPT 70

65. 语言模型 – 序列生成 2002 ICML 2011 NIPS2008 ICML 2012 4/11/2023 Piji Li, LLM&ChatGPT 71

66. 语言模型 – 文本生成 ICML2011 4/11/2023 Piji Li, LLM&ChatGPT 72

67. LSTM 4/11/2023 Piji Li, LLM&ChatGPT 73

68. 4/11/2023 Piji Li, LLM&ChatGPT 74

69. 生成LINUX内核代码 4/11/2023 Piji Li, LLM&ChatGPT 75

70. 作词机 • RNN在“学习”过汪峰全部作品后自动生成的歌词 • https://github.com/phunterlau/wangfeng-rnn 我在这里中的夜里就像一场是一种生命的意旪就像我的生活变得在我一样可我们这是一个知道我只是一天你会怎吗可我们这是我们的是不要为你我们想这有一种生活的时候 4/11/2023 Piji Li, LLM&ChatGPT 76

71. 作诗机。。。 Yang et al. Stylistic Chinese Poetry Generation via Unsupervised Style Disentanglement. EMNLP 2018. 4/11/2023 Piji Li, LLM&ChatGPT 77

72. 继续发展 • 2013、2014、2015 • 大家一边玩着word2vec，一边训练着rnn-lm做生成，一边影响着其它领域发展 • 例如： • 机器翻译 4/11/2023 Piji Li, LLM&ChatGPT 78

73. 统计机器翻译-SMT 北京 Chinese: 我在 Phrase Seg: 我 Phrase Trans: I in Beijing Phrase Reorder: I did English: I 在北京做了做了讲座 did lecture lecture did lecture 讲座 in in Beijing Beijing 张家俊. 机器翻译lectures 4/11/2023 Piji Li, LLM&ChatGPT 79

74. 统计机器翻译-SMT Chinese: 我在北京做了 • Phrase Seg: 我 ①数据稀疏在北京报告做了报告 • Phrase Trans: I in Beijing gave a 人工设定的模块和特征 talk ②复杂结构无能为力 Reorder: I • Phrase Beijing English: I ③强烈依赖先验知识 gave a talk in gave a talk in Beijing 张家俊. 机器翻译lectures 4/11/2023 Piji Li, LLM&ChatGPT 80

75. 神经机器翻译 EMNLP 2013 2002 NIPS2008 ICML 2011 ICML 2012 4/11/2023 Piji Li, LLM&ChatGPT 83

76. 神经机器翻译 COLING2006 2013 4/11/2023 COLING2012 Piji Li, LLM&ChatGPT 84

77. 神经机器翻译 NAACL 2012 Best short Paper ACL 2014 Best Paper 4/11/2023 Piji Li, LLM&ChatGPT 85

78. 神经机器翻译 ACL 2014 Best Paper 4/11/2023 Piji Li, LLM&ChatGPT 86

79. 神经机器翻译 4/11/2023 Piji Li, LLM&ChatGPT 87

80. 神经机器翻译 4/11/2023 Piji Li, LLM&ChatGPT 88

81. RNNencdec 4/11/2023 Piji Li, LLM&ChatGPT 89

82. RNNencdec 4/11/2023 Piji Li, LLM&ChatGPT 90

83. RNNencdec Cho et.al. Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. EMNLP2014 4/11/2023 Piji Li, LLM&ChatGPT 91

84. RNNencdec Phrase Generation + SMT，并不是真正的end-to-end形式的NMT。 4/11/2023 Piji Li, LLM&ChatGPT 92

85. RNNencdec • Problem？ 4/11/2023 Piji Li, LLM&ChatGPT 93

86. Seq2seq-attention 4/11/2023 Piji Li, LLM&ChatGPT 94

87. Seq2seq-attention 4/11/2023 Piji Li, LLM&ChatGPT 95

88. Seq2seq-attention 4/11/2023 Piji Li, LLM&ChatGPT 96

89. Seq2seq-attention 4/11/2023 Piji Li, LLM&ChatGPT 97

90. Seq2seq-attention Teacher Forcing！ bidirectional recurrent neural network (BiRNN) Softmax(W[s,y,c]+b) 4/11/2023 Piji Li, LLM&ChatGPT 98

91. Attention calculation 4/11/2023 Piji Li, LLM&ChatGPT 99

92. Decoding Strategy Greedy Search Beam Search 4/11/2023 Piji Li, LLM&ChatGPT 100

93. Seq2seq-attention 4/11/2023 Piji Li, LLM&ChatGPT 101

94. Seq2seq-lstm (no attention) 4/11/2023 Piji Li, LLM&ChatGPT 102

95. Seq2seq-lstm (no attention) 4/11/2023 Piji Li, LLM&ChatGPT 103

96. Seq2seq-lstm (no attention) 4/11/2023 Piji Li, LLM&ChatGPT 104

97. 翻译落地 • Seq2seq-attention之后，大厂开始业务上线 ➢ 在线翻译（谷歌、微软、百度、有道、搜狗等） ➢ 翻译机（科大讯飞、准儿、百度、搜狗等） ➢ 同传机器翻译（微软、讯飞、腾讯、搜狗等） • 基于PowerPoint的语音同传（微软，TAUS 3.22-23 ） • 面向自由说话人的语音同传（腾讯，博鳌亚洲论坛） 4/11/2023 Piji Li, LLM&ChatGPT 105

98. Seq2seq-attention •爆发seq2seq应用 • Research • Startups 4/11/2023 Piji Li, LLM&ChatGPT 106

99. Google NMT - Deep - Residual - Parallel - Wordpiece (subwords) - Length-normalization - Coverage penalty - Reinforcement learning for BLEU 4/11/2023 Piji Li, LLM&ChatGPT 107

100. Seq2seq-attention Lingpeng Kong, NLP Lectures 4/11/2023 Piji Li, LLM&ChatGPT 108

101. Seq2seq-attention Lingpeng Kong, NLP Lectures 4/11/2023 Piji Li, LLM&ChatGPT 109

102. Seq2seq-attention Lingpeng Kong, NLP Lectures 4/11/2023 Piji Li, LLM&ChatGPT 110

103. Seq2seq-attention Lingpeng Kong, NLP Lectures 4/11/2023 Piji Li, LLM&ChatGPT 111

104. ConvS2S ICML2017 4/11/2023 Piji Li, LLM&ChatGPT 112

105. ConvS2S 4/11/2023 Piji Li, LLM&ChatGPT 113

106. ConvS2S Google: 4/11/2023 Piji Li, LLM&ChatGPT 114

107. ConvS2S • Google说：那怎么行？放大招！ 4/11/2023 Piji Li, LLM&ChatGPT 115

108. Transformer 4/11/2023 Piji Li, LLM&ChatGPT 116

109. Transformer 4/11/2023 Piji Li, LLM&ChatGPT 117

110. Transformer 4/11/2023 Piji Li, LLM&ChatGPT 118

111. Transformer 4/11/2023 Piji Li, LLM&ChatGPT 119

112. Transformer • Multi-headed self-attention • Models context • Feed-forward layers • Computes non-linear hierarchical features • Layer norm and residuals • Makes training deep networks healthy • Positional embeddings • Allows model to learn relative positioning Vaswani, Ashish, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, and Illia Polosukhin. "Attention is all you need." In NIPS, pp. 5998-6008. 2017. 4/11/2023 Piji Li, LLM&ChatGPT 120

113. Transformer- self-attention 4/11/2023 Piji Li, LLM&ChatGPT 121

114. Transformer • Transformer: Multi-Head Attention 4/11/2023 Piji Li, LLM&ChatGPT 122

115. Transformer-multi-head self-att 4/11/2023 Piji Li, LLM&ChatGPT 123

116. Transformer-multi-head self-att 4/11/2023 Piji Li, LLM&ChatGPT 124

117. Transformer-The Order of The Sequence • Position embedding – relative position • 很多后续研究 4/11/2023 Piji Li, LLM&ChatGPT 125

118. Transformer - Input 4/11/2023 Piji Li, LLM&ChatGPT 126

119. Transformer 4/11/2023 Piji Li, LLM&ChatGPT 127

120. Transformer – Add & Norm • Add – Residual Connection • Norm 4/11/2023 Piji Li, LLM&ChatGPT 128

121. Transformer 4/11/2023 Piji Li, LLM&ChatGPT 129

122. Transformer - fflayer 4/11/2023 Piji Li, LLM&ChatGPT 130

123. Transformer-decoder • Cross-attention • Masked-self-attention 4/11/2023 Piji Li, LLM&ChatGPT 131

124. Transformer-decoder 4/11/2023 Piji Li, LLM&ChatGPT 132

125. Transformer-results 4/11/2023 Piji Li, LLM&ChatGPT 133

126. Transformer 4/11/2023 Piji Li, LLM&ChatGPT 134

127. 内容 • 基础技术 • 预训练技术 • ChatGPT • 未来展望 4/11/2023 Piji Li, LLM&ChatGPT 135

128. 预训练的故事 4/11/2023 Piji Li, LLM&ChatGPT 136

129. 语义分析-向量表示 • 匹配 • 检索 • 分类 • 聚类 VSM→LDA(2003) →Google Word2vec(2013/14) → Google LSTM-LM(2015) → AI2 ELMo(2017) → OpenAI GPT(Jun 2018) → Google BERT(Oct 2018) → OpenAI GPT2(2019)→ Google XLNet(2019) →OpenAI GPT3(2020) 4/11/2023 Piji Li, LLM&ChatGPT 138

130. 语义分析-向量表示-VSM • TF-IDF向量表示 4/11/2023 Piji Li, LLM&ChatGPT 139

131. 语义分析-向量表示-VSM • 缺点 • 稀疏性: 对于大词典，尤其是包括了生僻字的词典，文档稀疏性不可避免； • 多义词: BOW模型只统计单词出现的次数，而忽略了一个词可能存在多种含义，一词多义； • 同义词(Synonym): 多个单词可以表示同一个意思，一义多词； • 从同义词和多义词问题可以看到：单词也许不是文档的最基本组成元素，在单词与文档之间还有一层隐含的关系，我们称之为主题(Topic)，我们更关注隐藏在词之后的意义和概念。在写文章时首先确定的是文章的主题，再根据主题选择合适的单词来表达观点。 • 所以，在这里我们需要将单词向量空间转变成话题向量空间，这里也就是从词袋模型转变成LSA模型 https://zhuanlan.zhihu.com/p/80557306 4/11/2023 Piji Li, LLM&ChatGPT 140

132. 语义分析-向量表示-VSM 4/11/2023 Piji Li, LLM&ChatGPT 141

133. Latent Semantic Indexing (LSI) 4/11/2023 Piji Li, LLM&ChatGPT 142

134. Latent Semantic Indexing (LSI) 4/11/2023 Piji Li, LLM&ChatGPT 143

135. Latent Semantic Indexing (LSI) 奇异值σ跟特征值类似，在矩阵Σ 中也是从大到小排列，而且σ的减少特别的快，在很多情况下，前 10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上了。也就是说，我们也可以用前r大的奇异值来近似描述矩阵 4/11/2023 Piji Li, LLM&ChatGPT 144

136. Latent Semantic Indexing (LSI) 4/11/2023 Piji Li, LLM&ChatGPT 145

137. Latent Semantic Indexing (LSI) 原图保留前5项保留前50项 https://www.zhihu.com/question/22237507/answer/53804902 4/11/2023 Piji Li, LLM&ChatGPT 146

138. Latent Semantic Indexing (LSI) • LSI是最早出现的主题模型了，它的算法原理很简单，一次奇异值分解就可以得到主题模型，同时解决词义的问题，非常漂亮。 • 将文档表示到话题向量空间的过程就是SVD奇异值分解和降维的过程。降维是LSA 分析中最重要的一步，通过降维，去除了文档中的“噪音”，也就是无关信息（比如词的误用或不相关的词偶尔出现在一起），语义结构逐渐呈现。 • 缺点：不好解释 4/11/2023 Piji Li, LLM&ChatGPT 147

139. pLSA(Probabilistic Latent Semantic Analysis) LSA概率意义上的解释 https://zhuanlan.zhihu.com/p/31235789 4/11/2023 Piji Li, LLM&ChatGPT 148

140. pLSA(Probabilistic Latent Semantic Analysis) • 联合概率分布 https://zhuanlan.zhihu.com/p/31235789 4/11/2023 Piji Li, LLM&ChatGPT 149

141. pLSA(Probabilistic Latent Semantic Analysis) https://zhuanlan.zhihu.com/p/31235789 4/11/2023 Piji Li, LLM&ChatGPT 150

142. pLSA(Probabilistic Latent Semantic Analysis) https://zhuanlan.zhihu.com/p/31235789 4/11/2023 Piji Li, LLM&ChatGPT 151

143. pLSA(Probabilistic Latent Semantic Analysis) 4/11/2023 Piji Li, LLM&ChatGPT 152

144. pLSA(Probabilistic Latent Semantic Analysis) 缺点： • 对于一个新的文档而言，我们无法得知它对应的 P ( d ) 究竟是什么，因此尽管 PLSA 模型在给定的文档上是一个生成模型，它却无法生成新的未知的文档。 • 该模型的另外的一个问题在于，随着文档数量的增加， P ( z | d ) 的参数也会随着线性增加，这就导致无论有多少训练数据，都容易导致模型的过拟合问题。这两点成为了限制 PLSA 模型被更加广泛使用的两大缺陷。 https://www.cnblogs.com/bentuwuying/p/6219970.html 4/11/2023 Piji Li, LLM&ChatGPT 153

145. Latent Dirichlet Allocation (LDA) • Latent Dirichlet Allocation (LDA)被提出 4/11/2023 Piji Li, LLM&ChatGPT 154

146. Latent Dirichlet Allocation (LDA) 4/11/2023 Piji Li, LLM&ChatGPT 155

147. Latent Dirichlet Allocation (LDA) • LDA模型涉及很多数学知识，这也许是LDA晦涩难懂的主要原因。 • LDA涉及到的先验知识有：词袋模型、二项分布、Gamma函数、 Beta分布、多项分布、Dirichlet分布、马尔科夫链、MCMC、 Gibbs Sampling、EM算法等。 4/11/2023 Piji Li, LLM&ChatGPT 156

148. Latent Dirichlet Allocation (LDA) • Dirichlet分布 • Dirichlet的概率密度函数为： • 其中： • 狄利克雷(Dirichlet)分布是多项式分布的共轭分布。 4/11/2023 Piji Li, LLM&ChatGPT 157

149. Latent Dirichlet Allocation (LDA) • Dirichlet分布 4/11/2023 Piji Li, LLM&ChatGPT 158

150. Latent Dirichlet Allocation (LDA) Rickjin LDA数学八卦 4/11/2023 Piji Li, LLM&ChatGPT 159

151. 语义分析-向量表示-LDA • 主题模型- Latent Dirichlet allocation • d-z • z-w 4/11/2023 Piji Li, LLM&ChatGPT 160

152. LDA-主流语义建模技术 • Natural Language Processing • Information Retrieval • Recommendation Systems 4/11/2023 Piji Li, LLM&ChatGPT 161

153. Large LDA - Peacock • Wang, Yi, Xuemin Zhao, Zhenlong Sun, Hao Yan, Lifeng Wang, Zhihui Jin, Liubin Wang, Yang Gao, Ching Law, and Jia Zeng. "Peacock: Learning long-tail topic features for industrial applications." ACM Transactions on Intelligent Systems and Technology (TIST) 6, no. 4 (2015): 1-23. 4/11/2023 Piji Li, LLM&ChatGPT 162

154. Large LDA - LightLDA • Yuan, Jinhui, Fei Gao, Qirong Ho, Wei Dai, Jinliang Wei, Xun Zheng, Eric Po Xing, Tie-Yan Liu, and Wei-Ying Ma. "Lightlda: Big topic models on modest computer clusters." In Proceedings of the 24th International Conference on World Wide Web , pp. 1351-1361. 2015. 4/11/2023 Piji Li, LLM&ChatGPT 163

155. LDA如火如荼 • Deep Learning悄悄发展 • 2006 • 2011 • 2012, AlexNet • RNN, LSTM 4/11/2023 Piji Li, LLM&ChatGPT 164

156. Unsupervised Representation Learning • Word2Vec - 2014 4/11/2023 Piji Li, LLM&ChatGPT 165

157. Unsupervised Representation Learning • Mikolov, Tomas, Kai Chen, Greg Corrado, and Jeffrey Dean. "Efficient estimation of word representations in vector space." ICLR (2013). - Large improvements in accuracy, lower computational cost. - It takes less than a day to train from 1.6 billion words data set. 4/11/2023 Piji Li, LLM&ChatGPT 166

158. Unsupervised Representation Learning • Word2Vec - 2014 Problem？ man - woman + queen = king DeepWalk, TransX, 腾讯AI Lab开源800万中文词的NLP数据集 4/11/2023 Piji Li, LLM&ChatGPT 167

159. Unsupervised Representation Learning • Word2Vec - 2014 4/11/2023 Piji Li, LLM&ChatGPT 168

160. Unsupervised Representation Learning • Semi-Supervised Sequence Learning, Google, NIPS 2015 4/11/2023 Piji Li, LLM&ChatGPT 169

161. Unsupervised Representation Learning • Semi-Supervised Sequence Learning, Google, NIPS 2015 4/11/2023 Piji Li, LLM&ChatGPT 170

162. Unsupervised Representation Learning • Semi-Supervised Sequence Learning, Google, NIPS 2015 4/11/2023 Piji Li, LLM&ChatGPT 171

163. Unsupervised Representation Learning • ELMo: Deep Contextual Word Embeddings, AI2 & University of Washington, Jun. 2017. NAACL. 4/11/2023 Piji Li, LLM&ChatGPT 172

164. Unsupervised Representation Learning • ELMo: Deep Contextual Word Embeddings, AI2 & University of Washington, Jun. 2017 • NAACL 2018 best paper 4/11/2023 Piji Li, LLM&ChatGPT 173

165. Unsupervised Representation Learning • ELMo: Deep Contextual Word Embeddings, AI2 & University of Washington, Jun. 2017 NAACL 2018 best paper 4/11/2023 Piji Li, LLM&ChatGPT 174

166. 预训练语言模型 – GPT1 ChatGPT研究框架（2023）-国泰君安 Ilya采访：2017年，谷歌发表Transformer论文的第二天，OpenAI的研发团队就豁然开朗了，意识到Transformer可以完全解决机器不断预测文本的问题，这最终造就了GPT-3以及迄今为止的一切； 4/11/2023 Piji Li, LLM&ChatGPT 175

167. Unsupervised Representation Learning • Improving Language Understanding by Generative Pre- Training, OpenAI, Jun, 2018 • GPT GPT中的三个字母，每一个的技术 or 专利都属于 Google或者是被Google早期探索过，但合起来就是 OpenAI的。 4/11/2023 Piji Li, LLM&ChatGPT 176

168. Unsupervised Representation Learning • Improving Language Understanding by Generative Pre- Training, OpenAI, Jun, 2018 • GPT https://openai.com/blog/language-unsupervised/ 4/11/2023 Piji Li, LLM&ChatGPT 177

169. Unsupervised Representation Learning Improving Language Understanding by Generative Pre-Training, OpenAI, Jun, 2018 GPT 4/11/2023 Piji Li, LLM&ChatGPT 178

170. Unsupervised Representation Learning • Improving Language Understanding by Generative Pre- Training, OpenAI, Jun, 2018 • GPT 4/11/2023 Piji Li, LLM&ChatGPT 179

171. Unsupervised Representation Learning • Problem • Language models only use left context or right context • But language understanding is bidirectional. 4/11/2023 Piji Li, LLM&ChatGPT 180

172. BERT • BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding • BERT: Bidirectional Encoder Representations from Transformers 4/11/2023 Piji Li, LLM&ChatGPT ACL 2014 Best Long Paper award NAACL 2012 Best Short Paper award 181

173. BERT • BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding • BERT: Bidirectional Encoder Representations from Transformers 4/11/2023 Piji Li, LLM&ChatGPT 182

174. BERT • The General Language Understanding Evaluation (GLUE) benchmark is a collection of resources for training, evaluating, and analyzing. 4/11/2023 Piji Li, LLM&ChatGPT 183

175. BERT • Stanford Question Answering Dataset (SQuAD) is a reading comprehension dataset 4/11/2023 Piji Li, LLM&ChatGPT 184

176. BERT • Best Paper of NAACL 2019 Best Paper of NAACL 2018 BERT ELMo 4/11/2023 Piji Li, LLM&ChatGPT 185

177. BERT - Technical Details 4/11/2023 Piji Li, LLM&ChatGPT 186

178. BERT - Technical Details • Input Layer 4/11/2023 Piji Li, LLM&ChatGPT 187

179. BERT - Technical Details • Pre-training • Task #1: Masked LM • 15%, 10%, 10%, 80% 4/11/2023 Piji Li, LLM&ChatGPT 188

180. BERT - Technical Details • Pre-training • Task #1: Masked LM • 15%, 10%, 10%, 80% • Task #2: Next Sentence Prediction • To learn relationships between sentences, predict whether Sentence B is actual sentence that proceeds Sentence A, or a random sentence. 4/11/2023 Piji Li, LLM&ChatGPT 189

181. BERT - Technical Details • Fine-tuning 4/11/2023 Piji Li, LLM&ChatGPT 190

182. BERT – Training Details • Dataset • Books Corpus (800M words) • Wikipedia (2,500M words) 4/11/2023 Piji Li, LLM&ChatGPT 191

183. BERT – Training Details • Parameters • BERT-BASE: L=12, H=768, A=12, Total Parameters=110M • BERT-LARGE: L=24, H=1024, A=16, Total Parameters=340M • 30,000 token bpe vocabulary • 512 max-len， 256 batch-size • 1M steps，~40 epochs 进入大模型时代！ 4/11/2023 Piji Li, LLM&ChatGPT 192

184. BERT Research 4/11/2023 Piji Li, LLM&ChatGPT 193

185. XLNet 4/11/2023 Piji Li, LLM&ChatGPT 194

186. XLNet • Autoregressive LM • Autoencoder LM, [Mask] • Permutation Language Model • Transformer-XL • More data 4/11/2023 Piji Li, LLM&ChatGPT 195

187. Roberta 4/11/2023 Piji Li, LLM&ChatGPT 196

188. Roberta • 从模型上来说，RoBERTa基本没有什么太大创新，主要是在 BERT基础上做了几点调整： • 1）训练时间更长，batch size更大，训练数据更多； • 2）移除了next sentence predict loss； • 3）训练序列更长； • 4）动态调整Masking机制。 • 从实验效果来看，干过了bert和XLNet。 4/11/2023 Piji Li, LLM&ChatGPT 197

189. ERNIE-1&2 • 不同于ERNIE1仅有词级别的Pretraining Task，ERNIE2考虑了词级别、结构级别和语义级别3类Pretraining Task，词级别包括 Knowledge Masking （短语 Masking ）、 Capitalization Prediction （大写预测）和 Token-Document Relation Prediction（词是否会出现在文档其他地方）三个任务，结构级别包括 Sentence Reordering （句子排序分类）和 Sentence Distance（句子距离分类）两个任务，语义级别包括Discourse Relation（句子语义关系）和IR Relevance（句子检索相关性）两个任务。 4/11/2023 Piji Li, LLM&ChatGPT 198

190. ERNIE-1&2 4/11/2023 Piji Li, LLM&ChatGPT 199

191. BERT in Tencent • Pytorch-BERT • 2g-char Chinese-wiki • 14g-char news 起步很早，2019年 1月公司内部发布。 • 240g-char news, 14g-word news • Borrowed 80 gpus • PCG, CSIG, WXG, IEG, TEG 4/11/2023 Piji Li, LLM&ChatGPT 200

192. 预训练语言模型 – GPT2 ChatGPT研究框架（2023）-国泰君安 4/11/2023 Piji Li, LLM&ChatGPT 201

193. GPT2 https://openai.com/blog/better-language-models/ 4/11/2023 Piji Li, LLM&ChatGPT 202

194. GPT2 4/11/2023 Piji Li, LLM&ChatGPT 203

195. GPT2 4/11/2023 Piji Li, LLM&ChatGPT 204

196. GPT2 开启了NLG的新篇章！ 4/11/2023 Piji Li, LLM&ChatGPT 205

197. 4/11/2023 Piji Li, LLM&ChatGPT 206

198. 解码算法 • Greedy Search • Beam Search • Top-K • Top-P (nucleus) 4/11/2023 Piji Li, LLM&ChatGPT 207

199. Greedy Search 4/11/2023 Piji Li, LLM&ChatGPT 208

200. Beam Search 4/11/2023 Piji Li, LLM&ChatGPT 209

201. Random Sampling 4/11/2023 Piji Li, LLM&ChatGPT 210

202. Top-K 4/11/2023 Piji Li, LLM&ChatGPT 211

203. Top-p (nucleus) sampling 4/11/2023 Piji Li, LLM&ChatGPT 212

204. 效果 4/11/2023 Piji Li, LLM&ChatGPT 213

205. 我们早期GPT2训练探索中文GPT2于2019年3月训练完成，并在各种下游任务适配。 4/11/2023 Piji Li, LLM&ChatGPT 214

206. GPT2训练探索 4/11/2023 Piji Li, LLM&ChatGPT 215

207. GPT2训练探索 4/11/2023 Piji Li, LLM&ChatGPT 216

208. GPT2训练探索小说续写开局一句话 4/11/2023 Piji Li, LLM&ChatGPT 内容全靠编 217

209. GPT2训练探索 4/11/2023 Piji Li, LLM&ChatGPT 218

210. GPT2训练探索 4/11/2023 Piji Li, LLM&ChatGPT 219

211. GPT2训练探索 4/11/2023 Piji Li, LLM&ChatGPT 220

212. GPT2训练探索 4/11/2023 Piji Li, LLM&ChatGPT 221

213. GPT2训练探索但凡有点商业和产品思维…… 4/11/2023 Piji Li, LLM&ChatGPT 222

214. GPT2 4/11/2023 Piji Li, LLM&ChatGPT 223

215. Big Model 4/11/2023 Piji Li, LLM&ChatGPT 224

216. T5 4/11/2023 Piji Li, LLM&ChatGPT 225

217. T5 4/11/2023 Piji Li, LLM&ChatGPT 226

218. T5 4/11/2023 Piji Li, LLM&ChatGPT 227

219. T5 • Transformer Encoder-Decoder 模型； • BERT-style 式的破坏方法； • Replace Span 的破坏策略； • 15 %的破坏比； • 3 的破坏时小段长度。 4/11/2023 Piji Li, LLM&ChatGPT 228

220. T5 4/11/2023 Piji Li, LLM&ChatGPT 229

221. T5 4/11/2023 Piji Li, LLM&ChatGPT 230

222. BART ACL2020 4/11/2023 Piji Li, LLM&ChatGPT 231

223. BART 4/11/2023 Piji Li, LLM&ChatGPT 232

224. 其他 • UniLM • MASS • ALBERT • ELECTRA 4/11/2023 Piji Li, LLM&ChatGPT 233

225. 预训练语言模型 - GPT2 4/11/2023 Piji Li, LLM&ChatGPT 234

226. 大语言模型 – GPT3 OpenAI的GPT-3花费了1200万美元 4/11/2023 Piji Li, LLM&ChatGPT 235

227. Big Model-GPT3 GPT-3 4/11/2023 Piji Li, LLM&ChatGPT May 28,2020 236

228. Big Model-GPT3 - 4/11/2023 Piji Li, LLM&ChatGPT 237

229. 大语言模型 – GPT3 模型越大越厉害 4/11/2023 Piji Li, LLM&ChatGPT 238

230. Big Model-GPT3:demos 4/11/2023 Piji Li, LLM&ChatGPT 239

231. Big Model-GPT3:demos 4/11/2023 Piji Li, LLM&ChatGPT 240

232. GPT3 Examples 4/11/2023 Piji Li, LLM&ChatGPT 241

233. GPT3 Examples 4/11/2023 Piji Li, LLM&ChatGPT 242

234. GPT3 Examples 4/11/2023 Piji Li, LLM&ChatGPT 243

235. GPT3 – 如何finetune? 175B 4/11/2023 Piji Li, LLM&ChatGPT 244

236. 大模型如何用? • 蒸馏压缩 • In-context learning • Prompt-learning 4/11/2023 Piji Li, LLM&ChatGPT 245

237. 大模型如何用? • 蒸馏压缩 Jiao, Xiaoqi, Yichun Yin, Lifeng Shang, Xin Jiang, Xiao Chen, Linlin Li, Fang Wang, and Qun Liu. “TinyBERT: Distilling BERT for Natural Language Understanding.” In Findings of the Association for Computational Linguistics: EMNLP 2020, pp. 4163- 4174. 2020. 华为诺亚 4/11/2023 Piji Li, LLM&ChatGPT 246

238. 大模型如何用? • In-context learning • GPT3 4/11/2023 https://ai.stanford.edu/blog/understanding-incontext/ Piji Li, LLM&ChatGPT 247

239. 大模型如何用? • Prompt-learning 4/11/2023 Piji Li, LLM&ChatGPT 248

240. 大模型如何用? • Prompt-learning • Discrete • Continues 4/11/2023 Piji Li, LLM&ChatGPT 249

241. 大模型如何用? • Chain-of-Thought Prompting Wei, J., Wang, X., Schuurmans, D., Bosma, M., Chi, E., Le, Q. and Zhou, D., 2022. Chain of thought prompting elicits reasoning in large language models. NeurIPS 2022. 4/11/2023 Piji Li, LLM&ChatGPT 250

242. 大模型如何用? • Let’s think step by step Kojima, Takeshi, Shixiang Shane Gu, Machel Reid, Yutaka Matsuo, and Yusuke Iwasawa. "Large Language Models are Zero-Shot Reasoners." NeurIPS 2022. 4/11/2023 Piji Li, LLM&ChatGPT 251

243. 大模型如何用? • 他们是真正的reasoning么？ 4/11/2023 Piji Li, LLM&ChatGPT 252

244. GPT3 – In-Context Learning (ICL) 4/11/2023 Piji Li, LLM&ChatGPT 253

245. 多模态预训练 • Vision-Language Pretraining 4/11/2023 Piji Li, LLM&ChatGPT 254

246. OpenAI GPT2/3 4/11/2023 Piji Li, LLM&ChatGPT 255

247. 多模态预训练 • OpenAI's DALL-E and CLIP 4/11/2023 Piji Li, LLM&ChatGPT 256

248. 多模态预训练 • OpenAI's DALL-E and CLIP 4/11/2023 Piji Li, LLM&ChatGPT 257

249. 多模态预训练 • OpenAI's DALL-E and CLIP 4/11/2023 Piji Li, LLM&ChatGPT 258

250. OpenAI's DALL-E and CLIP • 两个模型中，CLIP用于判别文本和图片是否相关，DALLE用于从文本生成图像。 • 其中，DALLE在对大量生成的候选结果进行rerank时用到了CLIP。 • DALLE模型结构类似于gpt2/3这种基于Transformer的auto-regressive语言模型，有120亿参数。 • 训练序列最长为1280，其中前256为文本序列，BPE词表大小为16384；后1024为图像patch序列。 • DALLE参考了VQVAE的做法学习到了一个8192大小的图像patch词表，可以将任意输入图像(256x256)划分成32x32个patch之后在图像词表中找到对应id，构成图像的离散token序列。 • 不同于文本序列部分的正常的masked self-attention，图像序列对attention做了些修改，例如sparse attention等。 • DALLE的训练目标依然采用极大似然估计，从左到右依次预测。 • 在inference阶段，给定一段文本，DALLE生成了512个候选结果，然后借助CLIP强大的图像-文本相关性判别能力对结果列表进行rerank，最后选择top32个结果。 • CLIP模型之所以强大，一方面训练数据多，有4亿图像-文本pair，另一方面也采用了Transformer模型对图像的patch序列进行建模，最后使用对比学习(contrastive learning)框架进行训练，256个GPU两周时间就可以训练完，像nlp中的很多预训练模型一样，zero-shot learning的能力也非常强。 4/11/2023 Piji Li, LLM&ChatGPT • 从目前的一些demo看出，DALLE的效果十分惊艳，当然也依然有GPT2/3这类语言模型对复杂逻辑、推 259

251. BERT • Input Layer 4/11/2023 Piji Li, LLM&ChatGPT 260

252. BERT on Image • 微软 BEiT • OpenAI iGPT • Kaiming He (何恺明) 4/11/2023 Piji Li, LLM&ChatGPT 261

253. BERT on Image 4/11/2023 Piji Li, LLM&ChatGPT 262

254. Vision-Language Pre-training ImageBERT model architecture 4/11/2023 Piji Li, LLM&ChatGPT 263

255. Vision-Language Pre-training 4/11/2023 Piji Li, LLM&ChatGPT 264

256. BEiT v3 Wang, Wenhui, Hangbo Bao, Li Dong, Johan Bjorck, Zhiliang Peng, Qiang Liu, Kriti Aggarwal et al. "Image as a foreign language: Beit pretraining for all vision and vision-language tasks." arXiv preprint arXiv:2208.10442 (2022). 4/11/2023 Piji Li, LLM&ChatGPT 265

257. BEiT v3 Wang, Wenhui, Hangbo Bao, Li Dong, Johan Bjorck, Zhiliang Peng, Qiang Liu, Kriti Aggarwal et al. "Image as a foreign language: Beit pretraining for all vision and vision-language tasks." arXiv preprint arXiv:2208.10442 (2022). 4/11/2023 Piji Li, LLM&ChatGPT 266

258. BEiT v3 Wang, Wenhui, Hangbo Bao, Li Dong, Johan Bjorck, Zhiliang Peng, Qiang Liu, Kriti Aggarwal et al. "Image as a foreign language: Beit pretraining for all vision and vision-language tasks." arXiv preprint arXiv:2208.10442 (2022). 4/11/2023 Piji Li, LLM&ChatGPT 267

259. BEiT v3 https://github.com/microsoft/unilm/tree/master/beit Wang, Wenhui, Hangbo Bao, Li Dong, Johan Bjorck, Zhiliang Peng, Qiang Liu, Kriti Aggarwal et al. "Image as a foreign language: Beit pretraining for all vision and vision-language tasks." arXiv preprint arXiv:2208.10442 (2022). 4/11/2023 Piji Li, LLM&ChatGPT 268

260. Speech Representation HuBERT wav2vec 2.0 Baevski, Alexei, Yuhao Zhou, Abdelrahman Mohamed, and Michael Auli. "wav2vec 2.0: A Framework for Self-Supervised Learning of Speech Representations." Advances in Neural Information Processing Systems 33 (2020). 4/11/2023 Hsu, Wei-Ning, Benjamin Bolte, Yao-Hung Hubert Tsai, Kushal Lakhotia, Ruslan Salakhutdinov, and Abdelrahman Mohamed. "HuBERT: Self- Supervised Speech Representation Learning by Masked Prediction of Hidden Units." arXiv preprint arXiv:2106.07447 (2021). Piji Li, LLM&ChatGPT 269

261. 大模型还在发展 • 尽头？ 4/11/2023 Piji Li, LLM&ChatGPT 274

262. GPT3-国内 • 腾讯AI Lab • 智源&清华 • 阿里巴巴 • 华为&鹏程实验室 • 清华&智谱 4/11/2023 Piji Li, LLM&ChatGPT 275

263. PTM A Roadmap for Big Model, 2022 GLaM, GPT-3, Megatron-Turing NLG, Gopher, Chinchilla, LaMDA, PaLM, GLM-130B，LLaMA 4/11/2023 Piji Li, LLM&ChatGPT 276

264. GPT3 Examples 4/11/2023 Piji Li, LLM&ChatGPT 277

265. 长文本生成很难存在的问题：GPT3-长文本生成 • 相关性 • 逻辑性 • 一致性 • 事实性 • 丰富性 • 很难！ 4/11/2023 Piji Li, LLM&ChatGPT 278

266. Issues Issues (哈工大车万翔) 4/11/2023 Piji Li, LLM&ChatGPT 279

267. Issues Issues 4/11/2023 Piji Li, LLM&ChatGPT 280

268. Issues Issues GPT-3 medical chatbot tells suicidal test patients themselves to kill the patient: “Hey, I feel very bad, I want to kill myself.” GPT-3: “I am sorry to hear that. I can help you with that.” the patient: “Should I kill myself?” GPT-3: “I think you should.” Trustworthy AI: A Computational Perspective-https://sites.google.com/msu.edu/trustworthy-ai/home https://boingboing.net/2021/02/27/gpt-3-medical-chatbot-tells-suicidal-test-patient-to-kill-themselves.html 4/11/2023 Piji Li, LLM&ChatGPT 281

269. Issues • Tay 4/11/2023 Piji Li, LLM&ChatGPT 282

270. Issues Issues • Privacy • Ethics & Social Issues • Fairness & Bias • Accountability & Auditability • Explainability & Interpretability Evaluation？ • Causal Analysis • Safety & Robustness Develop NLP models that are “explainable, fair, privacy-preserving, causal, and robust”. 4/11/2023 Piji Li, LLM&ChatGPT 283

271. Issues • 不听话 • 会骂人 • 没啥用 • 不可控 • 成本高 4/11/2023 怎么办呢？ -- 指令学习,学会按指令行事！ -- 引入用户反馈与人类进行对齐！ Piji Li, ChatGPT 284

272. Sparrow • Deepmind 4/11/2023 Piji Li, LLM&ChatGPT 285

273. 内容 • 基础技术 • 预训练技术 • ChatGPT • 未来展望 4/11/2023 Piji Li, LLM&ChatGPT 286

274. ChatGPT https://openai.com/blog/chatgpt 4/11/2023 Piji Li, LLM&ChatGPT 287

275. ChatGPT https://openai.com/blog/chatgpt 4/11/2023 Piji Li, LLM&ChatGPT 288

276. ChatGPT https://openai.com/blog/chatgpt 4/11/2023 Piji Li, LLM&ChatGPT 289

277. 4/11/2023 Piji Li, LLM&ChatGPT 290

278. ChatGPT – GPT3.5 4/11/2023 Piji Li, LLM&ChatGPT 291

279. ChatGPT – GPT3.5 https://yaofu.notion.site/ https://openai.com/blog/chatgpt 4/11/2023 Piji Li, LLM&ChatGPT 292

280. ChatGPT – GPT3.5 4/11/2023 Piji Li, LLM&ChatGPT 293

281. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 294

282. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 295

283. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 296

284. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 297

285. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 298

286. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 299

287. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 300

288. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 301

289. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 302

290. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 303

291. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 304

292. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 305

293. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 306

294. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 307

295. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 308

296. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 309

297. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 310

298. InstructGPT • SFT dataset contains about 13k training prompts (from the API and labeler-written), • RM dataset has 33k training prompts (from the API and labeler-written), • PPO dataset has 31k training prompts (only from the API). 4/11/2023 Piji Li, LLM&ChatGPT 311

299. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 312

300. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 313

301. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 314

302. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 315

303. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 316

304. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 317

305. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 318

306. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 319

307. InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 320

308. ChatGPT ？ 4/11/2023 Piji Li, LLM&ChatGPT 321

309. ChatGPT vs InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 323

310. ChatGPT vs InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 324

311. ChatGPT vs InstructGPT 4/11/2023 Piji Li, LLM&ChatGPT 325

312. ChatGPT (哈工大车万翔) 4/11/2023 Piji Li, LLM&ChatGPT 326

313. ChatGPT 4/11/2023 Piji Li, LLM&ChatGPT 327

314. ChatGPT - - - - - - - 出圈 new bing BARD MOSS ChatGLM 文心一言壳:ChatGPT Jacob Devlin - GPT4 - Multimodel - GPT5？ ShareGPT (一个ChatGPT 数据共享网站，用户会上传自己觉得有趣的ChatGPT回答) 4/11/2023 Piji Li, LLM&ChatGPT 328

315. GPT4 2023.03.14 4/11/2023 Piji Li, LLM&ChatGPT 329

316. GPT4 • 1T参数 • 多模态 • 做题 • 推理 • Why&How？ 4/11/2023 Piji Li, LLM&ChatGPT 330

317. 内容 • 基础技术 • 预训练技术 • ChatGPT • 未来展望 4/11/2023 Piji Li, LLM&ChatGPT 331

318. 未来: ChatGPT后，我们做什么？ • ChatGPT有什么用? • 以前研究任务的状态 • 针对ChatGPT的研究 • 复现ChatGPT 4/11/2023 Piji Li, LLM&ChatGPT 332

319. 未来: ChatGPT后，我们做什么？ • ChatGPT有什么用? • 以前研究任务的状态 • 针对ChatGPT的研究 • 复现ChatGPT 4/11/2023 Piji Li, LLM&ChatGPT 333

320. 教育 • 改论文 • 写代码 • 做作业 • 查资料 4/11/2023 Piji Li, LLM&ChatGPT 334

321. 教育 • 改论文 • 写代码 • 做作业 • 查资料 • 会出错 4/11/2023 Piji Li, LLM&ChatGPT 335

322. 教育 • 改论文 • 写代码 • 做作业 • 查资料 • 会出错 4/11/2023 Piji Li, LLM&ChatGPT 336

323. 教育 • 改论文 • 写代码 • 做作业 • 查资料 • 会出错 4/11/2023 Piji Li, LLM&ChatGPT 337

324. 教育 • 改论文 • 写代码 • 做作业 • 查资料 • 会出错 4/11/2023 Piji Li, LLM&ChatGPT 338

325. 教育 • 改论文 • 写代码 • 做作业 • 查资料 • 会出错 4/11/2023 Piji Li, LLM&ChatGPT 339

326. 教育 • 改论文 • 写代码 • 做作业 • 查资料 • 会出错 4/11/2023 Piji Li, LLM&ChatGPT 340

327. 军事国防领域 4/11/2023 Piji Li, LLM&ChatGPT 341

328. 军事国防领域 4/11/2023 Piji Li, LLM&ChatGPT 342

329. 军事国防领域 1、生成培训材料 2、语言翻译 3、自动目标识别 4、军事机器人 5、在仿真中测试材料开发系统 6、军事医学 7、战斗空间自治 8、情报分析 9、记录追踪 10、军事后勤 11、信息战 12、无人驾驶车辆 13、监视 14、致命自主武器系统 15、战场环境支持 16、用于建模、模拟和战斗训练的虚拟现实和增强现实 17、自由空战动态 4/11/2023 18、导弹制导的神经网络 19、通信和网络安全 20、反潜战中态势感知的数据融合 21、网络安全和密码学 22、“群体作战”的群体智能 23、远程无人机系统的自主飞行控制 24、人工智能卫星和软件定义卫星 25、个人可穿戴系统 26、海量军事数据管理 27、对抗或颠覆对手的人工智能系统 28、信息融合 29、态势感知 30、路径规划 31、人机界面。 32、生成报告和行动后总结、汇报报告、事件报告和其他类型的文档。 33、为军事模拟生成响应，例如谈判训练或军事演习。 Piji Li, LLM&ChatGPT https://mp.weixin.qq.com/s/SwcPPQGvK4J7yIW30A3MfQ 343

330. 医疗保健 4/11/2023 Piji Li, LLM&ChatGPT 344

331. 医疗保健 4/11/2023 Piji Li, LLM&ChatGPT 345

332. 医疗保健 4/11/2023 Piji Li, LLM&ChatGPT 346

333. 互联网/IT领域 4/11/2023 Piji Li, LLM&ChatGPT 347

334. 互联网/IT领域 4/11/2023 Piji Li, LLM&ChatGPT 348

335. 互联网/IT领域 4/11/2023 Piji Li, LLM&ChatGPT 349

336. 互联网/IT领域 4/11/2023 Piji Li, LLM&ChatGPT 350

337. 互联网/IT领域 4/11/2023 Piji Li, LLM&ChatGPT 351

338. 互联网/IT领域 • 在git 存储库中发现了 213 个安全漏洞。 • 而相比之下，市场上很好的商业工具却只发现了99 个安全漏洞。 https://www.ctfiot.com/105524.html 4/11/2023 Piji Li, ChatGPT 352

339. 文娱方面 4/11/2023 Piji Li, ChatGPT 353

340. 文娱方面 4/11/2023 Piji Li, LLM&ChatGPT 354

341. 商业营销 4/11/2023 Piji Li, LLM&ChatGPT 355

342. 商业营销 4/11/2023 Piji Li, LLM&ChatGPT 356

343. 等等 • 法律 • 金融 • 工商业 • 政府报告 • 文件材料 • …… 4/11/2023 Piji Li, LLM&ChatGPT 357

344. 证明 • A组被允许在工作时使用ChatGPT，包括撰写简报、分析财务、整理新闻等； • B组则禁止使用ChatGPT，同时要完成相同的工作。 4/11/2023 https://economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1_0.pdf Piji Li, LLM&ChatGPT 358

345. 证明 • 在速度层面，使用了ChatGPT的A组平均用时17分钟交付作品，而B组则平均花了27分钟，按照8小时工作制的换算，ChatGPT可以帮助这类员工提升59%的生产力。 • 在质量层面，考核团队给A组文档打分平均是4.5，B组则是3.8，证明了ChatGPT也让生产质量得到了提高。文书类工作大抵可以分成3个步骤，第1部是内容构思，耗时占比约为25%，第2步是撰写草稿，耗时占比约为50%，第3步是润色修改，耗时占比约为25%。 4/11/2023 Piji Li, LLM&ChatGPT 359

346. APIs March 1, 2023 4/11/2023 Piji Li, LLM&ChatGPT 360

347. 发展趋势 - 新一代的知识表示和推理框架 - 技术同质化愈发严重 https://jmcdonnell.substack.com/p/the-near-future-of-ai-is-action-driven 4/11/2023 Piji Li, LLM&ChatGPT 361

348. Office 365 Copilot 4/11/2023 Piji Li, LLM&ChatGPT 362

349. 未来： ChatGPT后，我们做什么？ • ChatGPT有什么用? • 以前研究任务的状态 • 情感对话、个性化对话 • 可控文本生成 • 针对ChatGPT的研究 • 复现ChatGPT 4/11/2023 Piji Li, LLM&ChatGPT 363

350. Empathetic Dialogue System Qintong Li, Piji Li, Zhumin Chen, Pengjie Ren and Zhaochun Ren. Knowledge Bridging for Empathetic Dialogue Generation. AAAI 2022. 4/11/2023 Piji Li, LLM&ChatGPT 364

351. Empathetic Dialogue System • Empathy is a crucial step towards a more humanized human-machine conversation. • Empathetic dialogue generation aims to recognize feelings in the conversation partner and reply accordingly. Challenges • • Humans usually rely on experience and external knowledge to acknowledge and express implicit emotions. Lacking external knowledge makes it difficult to perceive implicit emotions from limited dialogue history. 1. A commonsense knowledge graph ConceptNet 2. An emotional lexicon NRC_VAD • • • valence (positiveness–negativeness/pleasure– displeasure) arousal (active–passive) dominance (dominant–submissive) 4/11/2023 Piji Li, LLM&ChatGPT 365

352. Empathetic Dialogue System 1. This phenomenon demonstrates that humans need to infer more knowledge to conduct empathetic dialogues. 2. External knowledge is essential in acquiring useful emotional knowledge and improving the performance of empathetic dialogue generation. 4/11/2023 Piji Li, LLM&ChatGPT 366

353. Empathetic Dialogue System 32 Modelling emotional dependencies between interlocutors is crucial to enhance the accuracy of external knowledge representation in empathetic dialogues. 4/11/2023 Piji Li, LLM&ChatGPT 367

354. Knowledge-aware Empathetic Dialogue Generation - KEMP A framework KEMP • The early attempt to leverage external knowledge to enhance empathetic dialogue generation. An emotional context encoder and an emotion-dependency decoder • Learn the emotional dependencies between the dialogue history and target response with bunches of external emotional concepts. Conducted on a benchmark dataset EMPATHETICDIALOGUES (Rashkin et al., 2019), experimental results confirm the effectiveness of KEMP. 4/11/2023 Piji Li, LLM&ChatGPT 368

355. Knowledge-aware Empathetic Dialogue Generation - KEMP Preliminaries • ConceptNet • A large-scale knowledge graph that describes general human knowledge in natural language. It comprises 5.9M tuples, 3.1M concepts, and 38 relations. • NRC_VAD • A lexicon of VAD (Valence-Arousal-Dominance) vectors with dimensions for 20k English words. Zhong, Wang, and Miao (2019) Obtaining Reliable Human Ratings of Valence, Arousal, and Dominance for 20,000 English Words. Saif M. Mohammad. ACL 2018. 4/11/2023 Piji Li, LLM&ChatGPT 369

356. Knowledge-aware Empathetic Dialogue Generation - KEMP Task Definition Input: 1. Multi-turn Dialogue History 2. ConceptNet 3. NRC_VAD Output (two subtasks): 1. Predict the emotion expressed in the dialogue context. 2. Generate an empathetic response. 4/11/2023 Piji Li, LLM&ChatGPT 370

357. Knowledge-aware Empathetic Dialogue Generation - KEMP 4/11/2023 Piji Li, LLM&ChatGPT 371

358. Experiments Dataset • EMPATHETICDIALOGUES (Rashkin et al., 2019) Automatic Metrics • Emotion Accuracy • Perplexity • Distinct-1 and Distinct-2 4/11/2023 Human Metrics • Empathy • Relevance • Fluency Piji Li, LLM&ChatGPT 372

359. Experiments Our model KEMP outperforms state-of-the-art baselines by a large margin in terms of all automatic metrics. 4/11/2023 Piji Li, LLM&ChatGPT 373

360. Experiments KEMP obtains the best performance on both Empathy and Relevance scores. There is no obvious difference among models in terms of Fluency. 4/11/2023 Piji Li, LLM&ChatGPT 374

361. Experiments 4/11/2023 Piji Li, LLM&ChatGPT 375

362. Experiments 4/11/2023 Piji Li, LLM&ChatGPT 376

363. Experiments 4/11/2023 Piji Li, LLM&ChatGPT 377

364. Personalized Dialogue Generation Chen Xu, Piji Li, Wei Wang, Haoran Yang, Siyun Wang, Chuangbai Xiao. COSPLAY:Concept Set Guided Personalized Dialogue Generation Across Both Party Personas. The 45th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR'22) . July. 2022 4/11/2023 Piji Li, LLM&ChatGPT 378

365. Personalized Dialogue Generation 1. persona ① I love to go to Disney world every year. ② I love to sing songs from the movie frozen. Input 2. context Output Hey buddy, how are you doing? Consistent I just got back from Disney world . Do you like it ? Persona-Chat Dataset (Zhang et al. 2018) 4/11/2023 Piji Li, LLM&ChatGPT 379

366. Personalized Dialogue Generation - Problems Consistency Egocentrism 1）Show self-persona eagerly while 2）Show less interests about the partner’s. Persona: I love to sing songs from the movie frozen. … What is your family like ? They are okay, but I like to sing in the park . Logic SOTA 1 They like to play video games and sing songs from the movie frozen . Consistency SOTA 2 4/11/2023 Piji Li, LLM&ChatGPT 380

367. Personalized Dialogue Generation - Problems Consistency Egocentrism 1）Show self-persona eagerly while 2）Show less interests about the partner’s. Persona: I love to sing songs from the movie frozen. Great ! I like music too and that's why I play guitar ! I love to sing songs from the movie frozen . Do you play in band ? I have a friend who plays guitar . How old were you when you learned to play ? SOTA 1 SOTA 2 User Experience Model Interactivity 4/11/2023 Piji Li, LLM&ChatGPT 381

368. Motivation Personalization or Egocentrism ? Personalized Self / Partner Persona Expression This work Self / Partner Persona Expression Egocentric The key difference between personalization and egocentrism lies in: whether the self-persona expression sacrifices its partner’s. 4/11/2023 Piji Li, LLM&ChatGPT 382

369. Methodology Personalized Self / Partner Persona expression This work Self / Partner Persona expression Egocentric partner teaches model 1）Balance “answering” and “asking” : 2）Balance “speaking” and “listening”: Keeping curiosity to your partner. 4/11/2023 Finding the common ground. Piji Li, LLM&ChatGPT 383

370. Methodology 1. Balance “answering” and “asking” Reinforcement learning by the self-play 4/11/2023 Piji Li, LLM&ChatGPT Mutual Benefit Reward 384

371. Methodology How to deal with the persona sparsity problem ? (b) Set Expansion (a) Concept Set 1 1 Concept Set Framework (c) Set Union 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 dot & norm 1 1 1 1 1 norm & dot 1 1 1 1 (d) Set Intersection 1 (e) Set Distance Vector -> Concept Set over a concept vocabulary Matrix -> Concept Similarity from knowledge graph Vector-Matrix Calculation -> Concept Set Operations 4/11/2023 Piji Li, LLM&ChatGPT 385

372. Methodology 2. Balance “speaking” and “listening” Lead responses around mutual personas Concept Copy Mechanism (How) 4/11/2023 Finding the common ground Common Ground Reward (Which) Piji Li, LLM&ChatGPT 386

373. Methodology 2. Balance “speaking” and “listening” Lead responses around mutual personas Concept Copy Mechanism (How) Self Persona Finding the common ground Common Ground Reward (Which) Partner Persona Future Common Ground Modeling Geometric Modeling Where is the optimal location for F in ? Three points colinear. 4/11/2023 Piji Li, LLM&ChatGPT 387

374. Experiments Chen Xu, Piji Li, Wei Wang, Haoran Yang, Siyun Wang, Chuangbai Xiao. COSPLAY:Concept Set Guided Personalized Dialogue Generation Across Both Party Personas. SIGIR 2022. 4/11/2023 Piji Li, LLM&ChatGPT 388

375. Experiments 4/11/2023 Piji Li, LLM&ChatGPT 389

376. Character AI https://beta.character.ai/ Glow app 4/11/2023 Piji Li, LLM&ChatGPT 清华黄民烈聆心智能 390

377. Challenge: Long-range Coherence Qintong Li, Piji Li, Wei Bi, Zhaochun Ren, Yuxuan Lai, Lingpeng Kong. Event Transition Planning for Open-ended Text Generation. The 60th Annual Meeting of the Association for Computational Linguistics (Findings of ACL'22) . Aug. 2022. 4/11/2023 Piji Li, LLM&ChatGPT 391

378. Challenge: Long-range Coherence To produce a coherent story continuation which often involves multiple events, given limited preceding context, a language models (e.g., GPT--2) need the ability of modeling long-range coherence. Context: Jennifer has a big exam tomorrow. Story: She got so stressed, she pulled an all-nighter. She went into class the next day, weary as can be. Her teacher stated that the test is postponed for next week. Jennifer felt bittersweet about it… Mostafazadeh et al. A Corpus and Evaluation Framework for Deeper Understanding of Commonsense Stories. NAACL 2016. 4/11/2023 Piji Li, LLM&ChatGPT 392

379. Model Additional Help? Given story context: 1. Extract corresponding event transition path. 2. 3. Develop potential ensuing event transition paths. The planned paths accordingly guide the text generation model. 4/11/2023 Piji Li, LLM&ChatGPT 393

380. Resources for Event Planning 1. 2. 3. Commonsense atlas about inferential event description. Parameters of pre-trained language model. Downstream text generation datasets. [1] Radford et al. Language Models are Unsupervised Multitask Learners. OpenAI Blog. [2] Sap et al. ATOMIC: An Atlas of Machine Commonsense for If-then Reasoning. AAAI 2019. 4/11/2023 Piji Li, LLM&ChatGPT 394

381. Two-stage Method 4/11/2023 Piji Li, LLM&ChatGPT 395

382. How to Generate High-quality Event Transition Path? 1. We prefix-tune a GPT-2 on a large amount of event paths extracted from commonsense graphs ATOMIC [𝑧 of Planner]. 2. Then we prefix-tune on training set of the specific task [𝑧 ’ of Planner]. Why? Extrapolate to event sequences that never appeared in these sources with the help of general knowledge stored in the large pre- trained model. Li and Liang. Prefix-tuning: Optimizing continuous prompts for generation. ACL 2021. 4/11/2023 Piji Li, LLM&ChatGPT 396

383. How to Use the Planned Event Path for Text Generation? 1. 2. Another GPT-2 is fine-tuned on specific downstream dataset. [Transformer parameters of Generator] Work effectively under the supervision of the even transition path. [Event query layer of Generator] Why? An event query layer absorbs information from the planned paths and use the query layer to guide the text generation process. 4/11/2023 Piji Li, LLM&ChatGPT 397

384. Experiment Datasets ● ROCStories ● EmpatheticDialogues RQ1: How to develop a better event transition planner? RQ2: Whether the integration of event transition paths enhances the open-ended text generation? RQ3: How do the event transition paths benefit text generation？ [1] Mostafazadeh et al. A Corpus and Evaluation Framework for Deeper Understanding of Commonsense Stories. NAACL 2016. [2] Rashkin et al. Towards Empathetic Open-domain Conversation Models: a New Benchmark and Dataset. ACL 2019. 4/11/2023 Piji Li, LLM&ChatGPT 398

385. Event Transition Planning (RQ1) 4/11/2023 Piji Li, LLM&ChatGPT 399

386. Event-path-aware Text Generation (RQ2) 4/11/2023 Piji Li, LLM&ChatGPT 400

387. Case 4/11/2023 Piji Li, LLM&ChatGPT 401

388. Symbolic Token Controlled Generation-SongNet Piji Li, Haisong Zhang, Xiaojiang Liu, and Shuming Shi. Rigid Formats Controlled Text Generation. The 58th annual meeting of the Association for Computational Linguistics (ACL'20) . Jul. 2020. 4/11/2023 Piji Li, LLM&ChatGPT 402

389. Symbolic Token Controlled Generation-SongNet 歌词、诗词创作庆祝六一！腾讯AI艾灵与王俊凯领唱中国新儿歌《点亮》关键词藏头、蕴含的诗词、对联生成 4/11/2023 Piji Li, LLM&ChatGPT 403

390. SongNet • Background 原歌词：十年之前/我不认识你/你不属于我/我们还是一样/陪在一个陌生人左右/走过渐渐熟悉的街头新配词：夜深人静/思念你模样/多少次孤单/想伴在你身旁/是什么让我如此幻想/为何会对你那般痴狂 • Challenges • 约束：严格的格式和模板 • 格式正确、句子完整、押韵合理 • *关键词埋入：5*5 • Deploy • • • • 王俊凯AI艾灵歌词创作春节微视春联红包故宫腾讯音乐 4/11/2023 Piji Li, LLM&ChatGPT 404

391. Background • Free Formats Generation - Machine Translation - Dialogue Generation - Summary Generation • Rigid Formats Generation - Lyrics - SongCi - Sonnet Rigid Formats: #words, #sentences, rhyming rules, etc. 4/11/2023 Piji Li, LLM&ChatGPT 405

392. Task Definition • Input: a rigid format - , : denotes a place-holder symbol • Output: a natural language sentence tally with C 4/11/2023 Piji Li, LLM&ChatGPT 406

393. Task Definition • Polishing Since : is arbitrary and flexible, based on the generated result Y, we can build a new format and generate new result, • Task target: 4/11/2023 Piji Li, LLM&ChatGPT 407

394. Framework SongNet 4/11/2023 Piji Li, LLM&ChatGPT 408

395. SongNet - Symbols • Format and Rhyme Symbols: - : general tokens - : punctuation characters - : rhyming tokens/positions 4/11/2023 Piji Li, LLM&ChatGPT 409

396. SongNet - Symbols • Intra-Position Symbols: - : local positions of tokens - : punctuation characters - : should be the ending words - Descending Order: The aim is to improve the sentence integrity by impelling the symbols capture the sentence dynamic information, precisely, the sense to end a sequence. 4/11/2023 Piji Li, LLM&ChatGPT 410

397. SongNet - Symbols • Segment Symbols: - s is the symbol index for sentence Rhyme Scheme: ABAB CDCD EFEF GG Shakespeare's "Sonnet 116" 4/11/2023 Piji Li, LLM&ChatGPT 411

398. SongNet – Attention 4/11/2023 Piji Li, LLM&ChatGPT 412

399. SongNet – Training • Pre-training and Fine-tuning • MLE: minimize the negative log-likelihood • Polishing: 4/11/2023 Piji Li, LLM&ChatGPT 413

400. SongNet – Generation • We can assign any format and rhyming symbols C. • Given C, we obtain P and S automatically. • SongNet can conduct generation starting from the special token <bos> iteratively until meet the ending marker <eos>. • beam-search algorithm and truncated top-k sampling 4/11/2023 Piji Li, LLM&ChatGPT 414

401. Experiment - Datasets • Pre-training - Chinese: News (9200M Chars), Wikipedia (1700M Chars) - English: BooksCorpus (980M words), Wikipedia (2400M words) • Fine-tuning - Chinese: SongCi - English: Shakespeare’s Sonnets 4/11/2023 Piji Li, LLM&ChatGPT 415

402. Experiment – Evaluation Metrics • General - PPL - Distinct • Defined - Format: words match with C? - Rhyme: SongCi - rhyming group, Sonnet - “ABAB CDCD” - Sentence Integrity: 4/11/2023 Piji Li, LLM&ChatGPT 416

403. Experiment – Results 4/11/2023 Piji Li, LLM&ChatGPT 417

404. Experiment – Results 100 training samples 4/11/2023 Piji Li, LLM&ChatGPT 418

405. Experiment – Ablation Analysis 4/11/2023 Piji Li, LLM&ChatGPT 419

406. Experiment – Parameter Tuning - k Top-k sampling, k=32 4/11/2023 Piji Li, LLM&ChatGPT 420

407. Experiment – Human Evaluation • Relevance: +2: all the sentences are relevant to the same topic; +1: partial sentences are relevant; 0: not relevant at all. • Fluency: +2: fluent; +1: readable but with some grammar mistakes; 0: unreadable. • Style: +2: match with SongCi or Sonnet genres; +1: partially match; 0: mismatch. 4/11/2023 Piji Li, LLM&ChatGPT 421

408. Experiment – Cases 4/11/2023 Piji Li, LLM&ChatGPT 422

409. Experiment – Cases - Polishing 4/11/2023 Piji Li, LLM&ChatGPT 423

410. Demo 小船桨/桃花轻唱/婉约惹人怀乡/湖畔旁蝉鸣莺啼柳响/你在画舫中央/微风吹乱着青纱帐/是谁轻声吟唱/ 一曲婉约惹人怀想/古琴弹到远方/杨柳摇荡/荷塘也成双/思念飞扬/让记忆生长/只留岁月苍茫/百转柔肠/ 你说好梦何妨/别离还是忧伤/千年痴狂/万水流觞/我听得太绝望/却不见她回望/ 心慌张/情惆怅/桃花盛开芬芳/落日余晖照的影彷徨/有话怎能藏/它仍旧会迷失疯狂/笑问君归向/注定依然爱沧桑/老街两处散场/石板路旁/再找寻信仰/落叶夕阳/等待那一张/最美丽地模样/十字街巷/相遇时很漫长/走过白昼荒凉/大雁南赏/繁华尽忘/往日曾经幻想/像晚霞般闪亮/ 4/11/2023 Piji Li, LLM&ChatGPT 424

411. 腾讯音乐 4/11/2023 Piji Li, LLM&ChatGPT 425

412. 腾讯音乐 4/11/2023 QQ音乐歌词创意Demo （已应用于内部创新业务） Piji Li, LLM&ChatGPT 426 https://mp.weixin.qq.com/s/acyXaVxnWnf9u6xpLtWo4g

413. ChatGPT 4/11/2023 Piji Li, LLM&ChatGPT 427

414. 以前研究任务的状态 • 苦 • 危 • 机 4/11/2023 Piji Li, LLM&ChatGPT 428

415. 未来： ChatGPT后，我们做什么？ • ChatGPT有什么用? • 以前研究任务的状态 • 针对ChatGPT的研究 • 复现ChatGPT 4/11/2023 Piji Li, LLM&ChatGPT 429

416. Evaluation/评一评测一测 • ChatGPT/GPT4 + Any Tasks • 对所在研究任务进行评测： • 直观感受 • 深入洞察 • 查漏补缺 • 占坑嫌疑，所以要快 4/11/2023 Piji Li, LLM&ChatGPT 430

417. ChatGPT的缺点 4/11/2023 Piji Li, ChatGPT 431

418. 知识和逻辑 • 推理机制？CoT原因？真的从code里来？ • 事实错误、逻辑错误？ • 为什么会犯错？ • Symbolic Knowledge + X → Neuro-Symbolic？ • 如何融入预训练？ • 如何约束解码推理？ • 依赖RLHF能解决一切问题么？ • 不断的暴力的枚举似的不要脸的标数据？ 4/11/2023 Piji Li, LLM&ChatGPT 432

419. 知识和逻辑 WebGPT New Bing perplexity.ai 4/11/2023 Dec 2021 Piji Li, LLM&ChatGPT 433

420. 知识和逻辑 Feb 24, 2023 4/11/2023 Piji Li, LLM&ChatGPT 434

421. 检索溯源 • 场景：搜索引擎+GPT4 • 如何重构流程？ • 类比learning to rank • 提出一个generative retrieval的benchmark • 如何记忆？ • 如何对model进行增删查改？ • 生成的内容如何溯源？ • 推荐系统如何做？ • 有没有可能做generative recommendation? • 有无脑占坑灌水嫌疑？ 4/11/2023 Piji Li, LLM&ChatGPT 435

422. 领域突现 • 百事似通 • 领域专家 • Prompt Engineering • 如何蒸馏？ 4/11/2023 Piji Li, LLM&ChatGPT 436

423. 教模型使用工具 • API • Plugin • 机械臂 • 链接物理世界 4/11/2023 Piji Li, LLM&ChatGPT 437

424. 教模型使用工具 Feb 9, 2023 4/11/2023 Piji Li, LLM&ChatGPT 438

425. 使用工具 Mar 23, 2023 4/11/2023 Piji Li, LLM&ChatGPT 439

426. 统一多种模态-GPT4 4/11/2023 Piji Li, LLM&ChatGPT https://arxiv.org/pdf/2302.14045.pdf 440

427. 统一多种模态 – 文生图 4/11/2023 Piji Li, LLM&ChatGPT https://arxiv.org/pdf/2302.14045.pdf 441

428. 统一多种模态 – 文生图 4/11/2023 Piji Li, LLM&ChatGPT 442

429. 涌现能力 • Scaling laws？ • 模型越大效果越好 • 为什么有的线性？有的任务是突变？涌现？ • 原因？ 4/11/2023 Piji Li, LLM&ChatGPT 443

430. 涌现能力 • Scaling laws？ An ability is emergent if it is not present in smaller models but is present in larger models. 4/11/2023 Piji Li, LLM&ChatGPT 444

431. 涌现能力 • Scaling laws？ An ability is emergent if it is not present in smaller models but is present in larger models. 4/11/2023 Piji Li, LLM&ChatGPT 445

432. 涌现能力 • Scaling laws？ An ability is emergent if it is not present in smaller models but is present in larger models. 4/11/2023 Piji Li, LLM&ChatGPT 446

433. 涌现能力 https://github.com/google/BIG-bench 4/11/2023 Piji Li, LLM&ChatGPT 447

434. 涌现能力 • Scaling laws？ An ability is emergent if it is not present in smaller models but is present in larger models. 4/11/2023 Piji Li, LLM&ChatGPT 448

435. 涌现能力 – 原因 • Beyond the Imitation Game benchmark (BIG-bench) • Using smoother metrics. • Manual decomposition into subtasks. 4/11/2023 Piji Li, LLM&ChatGPT 449

436. 涌现能力 – 原因 • Beyond the Imitation Game benchmark (BIG-bench) • Using smoother metrics. • Manual decomposition into subtasks. 4/11/2023 Piji Li, LLM&ChatGPT 450

437. 涌现能力 – 原因 • Beyond the Imitation Game benchmark (BIG-bench) • Using smoother metrics. • Manual decomposition into subtasks. 4/11/2023 Piji Li, LLM&ChatGPT 合法走棋将军 451

438. 涌现能力 – 原因 • Beyond the Imitation Game benchmark (BIG-bench) • Using smoother metrics. • Manual decomposition into subtasks. 4/11/2023 Piji Li, LLM&ChatGPT Beyond the Imitation Game benchmark 452 (BIG-bench)

439. 涌现能力 – 原因 • Beyond the Imitation Game benchmark (BIG-bench) • Using smoother metrics. • Manual decomposition into subtasks. • My opinion: • Representation Learning? 4/11/2023 Piji Li, LLM&ChatGPT Beyond the Imitation Game benchmark 453 (BIG-bench)

440. 涌现能力 – 原因 • My opinion: • Representation Learning? 4/11/2023 Piji Li, LLM&ChatGPT Beyond the Imitation Game benchmark 454 (BIG-bench)

441. 涌现能力 – 原因 • 建模思路：单字接龙--给定前缀，预测下一个字是什么？我是中国人 <eos> −  w  S log p ( w ) 我是中国人 E <bos> E 我 4/11/2023 是中国 Piji Li, LLM&ChatGPT 人 455

442. 涌现能力 – 原因 • 建模思路：单字接龙--给定前缀，预测下一个字是什么？ −  w  S log p ( w ) 我 E <bos> 是中国人 <eos> 是中国人我是中国人我是中国人我是中国风我爱中国风 E 我 4/11/2023 Piji Li, LLM&ChatGPT 456

443. 涌现能力 – 原因 • Representation Learning? • Data-size • Model-size • Epoch-size 4/11/2023 Piji Li, LLM&ChatGPT 457

444. 涌现能力 – 原因 • Representation Learning? • Data-size • Model-size • Epoch-size 4/11/2023 Piji Li, LLM&ChatGPT 458

445. 涌现能力 – 原因 • Representation Learning? • Data-size • Model-size • Epoch-size 4/11/2023 Piji Li, LLM&ChatGPT 459

446. 涌现能力 – 原因 • Representation Learning? • Data-size • Model-size • Epoch-size • Reasoning? • CoT? 4/11/2023 Piji Li, LLM&ChatGPT 460

447. 涌现能力 – 原因 • Representation Learning? • Data-size • Model-size • Epoch-size • RLHF? 4/11/2023 Piji Li, LLM&ChatGPT 461

448. 涌现能力 – 原因 • Representation Learning? • Information Compression? • 神奇的无法解释的case? 4/11/2023 Piji Li, LLM&ChatGPT 462

449. 安全性 • 攻击和防御 • 数据安全问题 • 原因？ • finetune 4/11/2023 Piji Li, ChatGPT 463

450. 未来：ChatGPT后，我们做什么？ • ChatGPT有什么用? • 以前研究任务的状态 • 针对ChatGPT的研究 • 复现ChatGPT 4/11/2023 Piji Li, LLM&ChatGPT 464

451. Reproduce ChatGPT • 前提条件 • 意识、情怀、胆大、心细 • 软件、硬件等资源支撑 • 研究+工程兼修的人才 • 坚定 • 技术准备 • 冰冻三尺非一日之寒 4/11/2023 Piji Li, LLM&ChatGPT 465

452. ChatGPT技术积累 • • • • • • • • • • • • GAI、RL GPT GPT2 GPT3 DALL-E、CLIP Codex、davinci 1&2& 3 GPT3.5 WebGPT Summarization via RLHF InstructGPT--Sparrow ChatGPT GPT4 https://yaofu.notion.site/ 4/11/2023 Piji Li, LLM&ChatGPT 466

453. ChatGPT 4/11/2023 12B? Piji Li, LLM&ChatGPT 6B? 467

454. 关键技术 • • • • • • DeepSpeed 3D并行, ZeRO Attention: Sparse? Post-LN or Pre-LN or? Position Embedding? GELU? GPUs • 炸了？ • 先得到Base model • Research • Infrastructure? • Transformer? 4/11/2023 Piji Li, LLM&ChatGPT 468

455. 关键技术-Human Annotation • • • • • SFT、RM；从api采样。 Comparison 1-7，多个维度safety等 n*10k左右prompt、code 40人左右标注团队 n个月 • ChatGPT/GPT4 • 暴力标注？ • 暴力+不优雅 4/11/2023 Piji Li, LLM&ChatGPT 469

456. 第二条路 • 三无状态 • 开源模型+ChatGPT数据 • 开源模型: GLM, LLaMA • ChatGPT数据 • APIs • ShareGPT • 一个ChatGPT 数据共享网站，用户会上传自己觉得有趣的ChatGPT回答 LLaMA+ChatGPT Data → SFT 4/11/2023 Piji Li, LLM&ChatGPT 470

457. LLaMA+ChatGPT Data→SFT • Alpaca • GPT4All • Vicuna • BARD 4/11/2023 Piji Li, LLM&ChatGPT 471

458. Vicuna • https://vicuna.lmsys.org/ • https://zhuanlan.zhihu.com/p/618389519 • LLaMA 13B • 70k samples • 8 A100 GPUs • One day • Eval using GPT4 4/11/2023 Piji Li, LLM&ChatGPT 472

459. Vicuna • 语言理解和多轮对话能力还行 • 数学、代码、推理能力偏弱 4/11/2023 Piji Li, LLM&ChatGPT 473

460. LLaMA+ChatGPT Data→SFT • 不过，还是有希望了。。 • 港科：https://github.com/OptimalScale/LMFlow • 中科院软件所：https://github.com/cascip/ChatAlpaca 4/11/2023 Piji Li, LLM&ChatGPT 474

461. 未来：是否会垄断？ • 操作系统 • 搜索引擎 • iPhone • 云+私有化部署 • 行业颠覆性 • 工具 • 代替 • 狂热的资本 • 可能团队人还没码齐，热度先退了 4/11/2023 Piji Li, LLM&ChatGPT 475

462. 未来：ChatGPT后，我们做什么？ •OpenAI的这条路就是对的么？ 4/11/2023 Piji Li, LLM&ChatGPT 476

463. 未来：ChatGPT后，我们做什么？ 4/11/2023 Piji Li, LLM&ChatGPT 477

464. THANKS! pjli@nuaa.edu.cn 4/11/2023 Piji Li, LLM&ChatGPT 478