Сегодня 13 ноября 2024
18+
MWC 2018 2018 Computex IFA 2018
реклама
Теги → criticgpt

Новая модель OpenAI CriticGPT обучена «критиковать» результаты GPT-4

Компания OpenAI представила CriticGPT — новую модель искусственного интеллекта, предназначенную для выявления ошибок в коде, сгенерированном непосредственно ChatGPT. CriticGPT будет использоваться в качестве алгоритмического помощника для тестировщиков, которые проверяют программный код, выданный ChatGPT.

 Источник изображения: Copilot

Источник изображения: Copilot

Согласно новому исследованию «LLM Critics Help Catch LLM Bugs», опубликованному OpenAI, новая модель CriticGPT создана как ИИ-ассистент для экспертов-тестировщиков, проверяющих программный код, сгенерированный ChatGPT. CriticGPT, основанный на семействе большой языковой модели (LLM) GPT-4, анализирует код и указывает на потенциальные ошибки, облегчая специалистам обнаружение недочётов, которые в противном случае могли бы остаться незамеченными из-за человеческого фактора. Исследователи обучили CriticGPT на наборе данных с образцами кода, содержащими намеренно внесённые ошибки, научив его распознавать и отмечать различные погрешности.

Учёные обнаружили, что в 63-% случаев, связанных с естественно возникающими ошибками LLM, аннотаторы предпочитали критику CriticGPT человеческой. Кроме того, команды, использующие CriticGPT, писали более полные отзывы, чем люди, не использующие этого ИИ-помощника, при этом снижался уровень конфабуляций (ложных фактов и галлюцинаций).

Разработка автоматизированного «критика» включала обучение модели на большом количестве входных данных с намеренно внесёнными ошибками. Экспертов просили модифицировать код, написанный ChatGPT, внося ошибки, а затем предоставлять результат с якобы обнаруженными багами. Этот процесс позволил модели научиться выявлять и критиковать различные типы ошибок в коде.

В экспериментах CriticGPT продемонстрировал способность улавливать как внесённые баги, так и естественно возникающие ошибки в результатах ответов ChatGPT. Исследователи также создали новый метод «Force Sampling Beam Search» (FSBS), который помогает CriticGPT писать более детальные обзоры кода, позволяя регулировать тщательность поиска проблем и одновременно контролируя частоту ложных срабатываний.

Интересно, что возможности CriticGPT выходят за рамки простой проверки кода. В экспериментах модель применили к множеству тренировочных данных ChatGPT, ранее оцененных людьми как безупречные. Удивительно, но CriticGPT выявил ошибки в 24-% случаев, которые впоследствии были подтверждены экспертами. OpenAI считает, что это демонстрирует потенциал модели не только для работы с техническими задачами, но и подчёркивает её способность улавливать тонкие ошибки, которые могут ускользнуть даже от тщательной проверки человеком.

Несмотря на многообещающие результаты, CriticGPT, как и все ИИ-модели, имеет ограничения. Модель обучалась на относительно коротких ответах ChatGPT, что может не полностью подготовить её к оценке более длинных и сложных задач, с которыми могут столкнуться будущие ИИ-системы. Команда исследователей признаёт, что модель наиболее эффективна в обнаружении ошибок, которые могут быть определены в одном конкретном, узком месте кода. Однако реальные ошибки в выводе AI могут часто быть разбросаны по нескольким частям ответа, что представляет собой вызов для будущих итераций модели.

Кроме того, хотя CriticGPT снижает уровень конфабуляций, он не устраняет их полностью, и люди-эксперты по-прежнему могут совершать ошибки на основе этих ложных данных.


window-new
Soft
Hard
Тренды 🔥
Наследие Mass Effect, свобода выбора и загадочный Мэттью Макконахи: создатели нелинейного ролевого экшена Exodus ответили на вопросы игроков 3 мин.
Голосовой помощник VK «Маруся» заговорит другим голосом 11 мин.
Рекламодатели вернутся на платформу X ради сближения с администрацией Трампа 16 мин.
Олдскульная ролевая игра Sea of Stars получила бесплатное обновление Dawn of Equinox с кооперативом и не только 3 ч.
У разработчиков Rime и Song of Nunu закончились деньги — студия Tequila Works признала себя банкротом 3 ч.
Сервис простой интеграции голосового ИИ для малого и среднего бизнеса появился в России 3 ч.
YouTube тестирует создание ремиксов песен с помощью ИИ 4 ч.
Тариф Netflix с рекламой достиг 70 млн пользователей за два года 4 ч.
«РТК ИТ плюс» запустил импортонезависимую no-code платформу «Акола» 4 ч.
Сооснователь OpenAI Грег Брокман вернулся в компанию после длительного отпуска 4 ч.
Спутниковый интернет на плечах: SpaceX выпустила рюкзак за $199 для тарелки Starlink V4 7 мин.
Cisco объединила Meraki и Catalyst под брендом Cisco Wireless и представила точки доступа Wi-Fi 7 CW9178 и CW9176 24 мин.
Emdoor Information поддержит развитие нового российского бренда ПК 25 мин.
Крупнейший в мире производитель электромобильных батарей CATL намерен запитать целые города 29 мин.
Учёные снова пытаются опровергнуть уравнения Эйнштейна, описывающие Вселенную — пока вышло на «троечку» 53 мин.
СМИ сообщили, что VK может прекратить выпуск «Капсул» — компания это опровергла 2 ч.
МВД пожаловалось, что сломавшиеся серверы на «Эльбрусах» невозможно быстро заменить 2 ч.
Трамп назначил Маска главным борцом с бюрократией и расточительством в правительстве в США 2 ч.
Квартальные отгрузки SSD сократились на 8 %, но их общая ёмкость выросла на 10 % 3 ч.
Акции Samsung упали до минимума за 4 года — победа Трампа породила неопределённость для компании 3 ч.