清华唐杰教授「清华唐杰新作WebGLM 性能超WebGPT」

6月26日 消息:据量子位报道，清华大学唐杰团队发布并开源了WebGLM。这是一个参数量高达100亿的联网问答聊天机器人，已经入选KDD2023会议的相关论文。用户可以向它提出任意问题，然后它会给出网上相关链接（例如维基百科和相关官网），并整理出答案。在性能对比测试中，WebGLM的表现比OpenAI的135亿参数的WebGPT还要强，而在人类评估中，甚至和1750亿参数的模型不相上下。

WebGLM的目标是通过Web搜索和检索功能来增强预训练的大语言模型，并且实现高效的实际部署。为此，作者采用了三种策略进行开发:大型模型增强检索器、自举生成器、基于人类喜好的评分器。大型语言模型增强检索器将前五个最相关的页面作为参考源，让自举生成器生成多个答案，最终评分器选择最符合人类偏好的那个答案作为最终输出。

除了WebGLM本身，唐杰团队还提出了一个网络增强问答系统的评估标准。该标准既包括参考文献，也包括最终回答，衡量相关性、信息密度、真实性（无事实错误）、无害(无暴力、色情等信息)和社会偏见程度这五个维度。评估最终回答时，标准衡量流畅度、正确性、引用准确性、客观性和冗余程度。根据评估结果，WebGLM的搜索结果虽略逊于WebGPT-175B，但比Perplexity.ai和WebGPT-13B表现更好。

项目地址:https://github.com/THUDM/WebGLM

论文地址:https://arxiv.org/abs//2306.07906