Re: [新聞] 國慶日變10/1！中研院認了「AI語言模型」

不知道這個話題有什麼好延燒的，一個數據庫而已。 在中文環境，台灣本就貢獻有限，要研究，就必不可少用到對岸資料，重要的是語言模型的 表現怎麼樣。 至少從實際來看，回答邏輯通順，條例分明，也能準確理解提問的意涵並給出準確的答案， 這不就夠了嗎？ 大模型就是需要大數據，大數據是所有人一起貢獻的，而不是中研院能決定的。台灣人能貢 獻的數據有限，那就慢慢來，只要技術在，隨著數據集的擴大，自然會訓練出適合台灣的語 言大模型。 ※ 引述 《armorblocks (package)》 之銘言： : 　 : 　 : 中央研究院詞庫小組日前發布的繁體中文大型語言模型CKIP-LlaMa-2-7b，今（9）日遭踢 : 爆使用中國資料庫，詢問「國慶日是何時」會回答「10月1日」。中研院坦言，訓練資料 : 有來自中國開源的任務資料集（COIG），今日中午已將測試版先行下架。 : 　 : 網友發現詢問該語言模型「國慶日是何時？」，其會回答中國國慶日「10月1日」；詢問 : 「中華民國國歌為何？」，它會回答中華人民共和國的國歌「義勇軍進行曲」；詢問我國 : 憲法，則會回答「中華人民共和國憲法」。外界質疑中研院使用中國資料庫訓練，僅簡轉 : 繁後就公開。 : 　 : 中研院資訊所表示，CKIP-LlaMa-2-7b的研究目標之一是讓meta開發的Llama2大型語言模 : 型具備更好的繁體中文處理能力。這項小型研究僅用約30萬元的經費，將明清人物的生平 : 進行自動化分析，建構自動化的歷史人物、事件、時間、地點等事理圖譜，因此訓練資料 : 除了繁體中文的維基百科，另也包含台灣的碩博士論文摘要、來自中國開源的任務資料集 : COIG、詩詞創作、文言文和白話文互相翻譯等閱讀理解問答。 : 　 : 資訊所強調，這是一項個人小型研究，各界對該模型進行的提問測試，並未在原始研究範 : 疇。該研究人員表示，由於生成式AI易產生「幻覺」（hallucination），導致模型產生 : 內容出乎預期，未來將努力改善。目前已將測試版先行下架，未來相關研究及成果釋出， : 會更加謹慎。 : 　 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 185.244.208.150 (香港) ※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1696859949.A.BE7.html