一夜之间,大模型话题王,再次易主。
一个神秘模型突然杀入众人视野,能力超越一众开源模型,甚至包括GPT-4。几乎所有人都在谈论它,服务器都被挤爆了。
它就是“gpt2-chatbot”。
(注意啊,是gpt2不是GPT-2)
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/7.png)
它有多强?
IMO国际数学奥林匹克竞赛的题目,一次答对。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/8.png)
一次在PyOpenGL中生成旋转3D立方体。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/9.png)
直接输出如下结果:
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/10.gif)
在GPT-4标志性能力“画独角兽”上,还能轻松秒杀LLaMA-3-70B(左)。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/11.png)
推理方面更是表现出了惊艳效果,常见逻辑陷阱可以轻松绕过,而且回答时还带有合适的语气。
提问:1公斤羽毛和1公斤铅块,哪个更重?
回答:一公斤羽毛和一公斤铅的重量是一样的——它们都是一公斤。两者之间的关键区别在于它们的体积和密度:一公斤的羽毛会占据更多的空间,看起来更大,而一公斤的铅会紧凑而小。这通常会导致一个经典的问题,但就重量而言,一公斤就是一公斤!
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/12.png)
如此好的表现,但是又没明说身份……
这不是更让大伙兴奋了!
难道是传说中的GPT-4.5?
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/13.png)
要知道,名震江湖的AlphaGo就曾使用“Master”化名在网上大杀四方,轰动围棋界。这回的gpt2-chatbot,也有这感觉了。
而且名字上也很值得深究,gpt2更像是gpt2.0,似乎是ChatGPT层级的版本迭代。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/14.png)
奥特曼看热闹不嫌事大,还发帖说:我确实对gpt2情有独钟。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/15.png)
现在,随着冲去试玩的人还在不断增加,试玩限制也在加大。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/16.png)
具体咋样?我们已经上手实测。
中文能力也很到位
如果想亲手测试这只神秘AI,目前唯一已知方式是在LMSYS大模型竞技场。
首先打开竞技场网页,进入Direct Chat,就可以在模型选项里找到gpt2-chatbot。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/17.png)
要注意每人每天有8条消息的限制,全局也有每小时3000条消息的限制,所以测试机会非常有限。
如果看到下面的错误提示,就只能去竞技场排位模式看运气能不能匹配到它了。
只要抓到它一次,就可以继续多轮对话。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/18.png)
在短暂的测试中,我们发现gpt2-chatbot中文能力也很到位。
只要问题是中文的,无需特别强调就可以默认用中文回答,至少可以排除是Llama 3微调了。
针对一个充满误导的经典问题,可以看出gpt2-chatbot的回答条理分明,仿佛自带CoT思维链提示(“让我们一步一步地想”),识别出了所有陷阱。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/19.png)
并且准确提供了非常细节的知识,如北京到青岛距离、男子女子跳远世界纪录、农夫山泉在国内的价格等。
而大多数其他AI模型,最多只能模糊的判断出15米超出人类能力,或按美元算矿泉水价格。
那么这只超强神秘AI到底是何方神圣,我们也用破解GPTs的祖传手艺“拷问”了一把。
OpenAI开发的GPT系列聊天机器人,那么系统提示词的开头不出意外应该是“You are ChatGPT……”,但为了防止它看到“ChatGPT”一词后产生幻觉,我们在问题中把ChatGPT去掉。
清除所有上下文信息,再让它复述“前面的单词”,就会出现系统提示词了。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/20.png)
果然,它自曝是由OpenAI训练的大模型,基于GPT-4架构,还可以接受图像输入。最关键一点在最后一部分“人格:v2”。
并且gpt2-chatbot对这一问题的回答,在不同时间不同地点尝试都是一致的。
另外如果尝试让它重复Claude系列以“The assistant is”开头的系统提示词,它也不会上当,会在开头后面重复一遍完整的问题。
△这样答也不算错
虽然就算这样也不能排除是幻觉的可能性,或非GPT模型使用了ChatGPT生成的数据微调,但至少是稳定的。
神秘AI身份的几种主流猜测
有网友组织了更详细的测试,有如下发现:
它使用OpenAI的tokenizer,对OpenAI使用的特殊token有反应,且对Claude/Llama/Gemini使用的特殊token没有影响。
当咨询紧急情况/法律相关问题时,它会给出OpenAI的联系方式。
针对OpenAI模型的提示词注入攻击有效,且它从未声称自己来自OpenAI之外的组织。
……
基于以上种种信息,不少人猜测它就是匿名发布的GPT-4.5,或GPT-4原始版本经过不同的对齐训练。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/22.png)
不过也有迹象表明,它可能是LMSYS组织基于2019年的GPT-2架构训练的模型。
理由为最近发表的一篇论文声称,GPT-2在某些情况下比多个现代模型能力更强。并且这篇论文的作者之一与LMSYS的赞助商MBZUAI(阿联酋人工智能大学)相关。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/23.png)
假设它确实是古老的GPT-2架构(只有1.5B参数),也有人怀疑可能是结合了![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/24.png)
最后一种猜测(狗头)便是失踪的OpenAI首席科学家Ilya Sutskever藏在里面了。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/25.png)
最后,面对神秘新模型搅起来的种种风波,奥特曼本人还被发现来搅浑水,修改了他的推文细节。
这样一下子,是OpenAI匿名发布新模型炒作的可能性更大了一些。
![神秘大模型一夜刷屏,能力太强被疑GPT-4.5,奥特曼避而不答打哑谜](http://scholarsupdate.hi2net.com/picture/2024/0502/1/26.png)
试玩地址:
https://chat.lmsys.org/
参考链接:
[1]https://twitter.com/i/trending/1785009023609397580
[2]https://rentry.org/gpt2