百川股份 分析讨论「实测“超越GPT-4”的百川超千亿参数模型：医疗问答业内最强？」

刚发完Baichuan-NPC还不足月，百川智能又对产品进行了一次大更新，发布了Baichuan 3模型。这次更新后，在多个权威通用能力评测CMMLU、GAOKAO和AGI-Eval中，其英文能力已经逼近 GPT-4，在中文任务表现上甚至超越了GPT-4：

百川智能一直在强调Baichuan 3在医疗场景方面的优化。在预训练阶段，百川智能就为Baichuan3构建了超过千亿Token的医疗数据集，包括医学研究文献、真实的电子病历资料、医学领域的专业书籍和知识库资源、针对医疗问题的问答资料等。此外，他们在推理阶段进行了系统性的调优，让Baichuan 3在真实的医疗问答场景下也能给用户提供更精准、细致的反馈。

而从Baichuan 3在MCMLE、MedExam、CMExam等中文医疗任务的评测的表现来看，这款大模型在中文医疗场景的表现已经超过了GPT-4，而英文相关问题其表现也不错，仅次于GPT-4。

上手实测：医疗能力最强的中文大模型？

当然，跑分只是模型能力的一个剪影，硅星GenAI 选了一些关于医疗行业和中国传统文化相关的问题来让他回答，看看Baichuan 3的实际表现。

对于百川大模型的医疗知识与思考角度进行测试，由简单到更具专业性循序渐进地问了Baichuan 3几个就诊问题：

通过百川的回答可以看到，其“看诊”的逻辑和我们去医院看医生的问诊思路几乎是一致的。都会从引发病症的优先级考虑，对每个答案为何优先考虑和排除会给出专业、科学的解释，至少不会一上来就罗列最坏的情况，让人觉得自己小命不保。

如果遇到一些不太熟悉的药物，Baichuan 3还能够给出详细的介绍和使用方法教程。

百川也会对患者症状的口语描述会做出专业的名词解释再分析，这有利于患者在就医时与医生提高沟通效率与准确性，也会缓解部分患者表述不清症状的焦虑感。

当然，Baichuan 3给出的回答是否真的专业和准确，一般人也很难分辨，感觉目前对 AI 还是缺乏信任感，难以满足人们对于医疗判断权威性和准确性的依赖。

除了医疗领域，中国传统文化中的诗词创作的格式、韵律、表意等方面，也是这次更新的重点方向。

在文学创作方面，中学时代常学到的修辞手法有古诗里的“顶针”、“用典”，下面就先从这两点先测试一下Baichuan 3：

在第一次让Baichuan 3运用“顶针”的修辞手法写一首关于龙年的古诗时，它并没有运用这个修辞手法。

这时，我不禁好奇它到底知不知道这个修辞手法，于是便问了它：

根据百川的回答我看到，对于“顶针”手法的第一词条显示是它的别称“顶真”，基于优先级的关系，我这次选择用“顶真”这两个字来问它。

不错，这次写出来了。

但再次以“顶针”这两个字让Baichuan 3创作，依旧是上文显示没有用到此修辞手法的答案。这就好比知道 1+1=2，但问一加一等于多少就不会算了一样。还是有些相对“死板”。

为了做对比，我们也问了问ChatGPT知不知道“顶针”。

不负众望，ChatGPT也不知道这种说法。

我都开始怀疑是不是至始至终都只有“顶真”一种说法，而“顶针”只是人们的错别字说法了。

但问ChatGPT知不知道“顶真”二字的修辞手法时，ChatGPT给出了回答：

我们试着让 ChatGPT 再用顶真的修辞手法写一首诗出来，它写的诗是：

从形式上来看，确实是“顶真”的格式。先不论这首五言律诗的质量，至少也算 OpenAI 也能完成任务了。要说文采是 OpenAI 好还是百川智能的好，这个交给你们来判断吧。

下面是中国诗词最广博的修辞手法——“用典”的测试。

可惜，Baichuan 3对于典故的理解和大众有些出入，这方面还需要加强。

另外，对对子的平仄规律也是中国文学的独特魅力。我们先问了问Baichuan 3知不知道如何写对联，并让它写了一副对联出来：

百川对于此次指令的完成度极高，并且在词性、结构等方面的十分契合上文提到的对联7个要点。基本上可以直接写出来贴门上了，正好马上过年，可以用到了。

技术亮点

根据百川智能官方介绍，目前Baichuan 3的参数规模已经超千亿，为解决由于参数量巨大导致的在训练过程中出现梯度爆炸、loss跑飞、模型不收敛等问题，百川智能在训练过程中提出了“动态数据选择”、“重要度保持”以及“异步CheckPoint存储”等技术手段及方案，来提升Baicuan 3的各项能力。具体更新细节，大家可以看百川官方的文章《 》。

总结一下，Baichuan 3有几个技术要点：

1. 动态训练数据选择方案：可以在训练过程中动态选择训练数据，提高数据质量。

2. 重要度保持：可以在训练初期保证模型训练初期的稳定性。

3. 参数“有效秩”：用于在各项指标上发现训练过程的问题，加速问题定位，确保瘦脸效果

4. 异步CheckPoint存储机制：保证无性能损失的同时加大存储频率，较少机器故障的影响。

在去年百川智能成立之初，王小川便表示会在年底推出一款对标GPT-3.5的大模型，而现在他们已经超额完成了这个目标。

欢迎加入这个星球，见证硅基时代发展↓