5亿个token之后，我们得出关于GPT的七条宝贵经验

今天小编分享的财经经验：5亿个token之后，我们得出关于GPT的七条宝贵经验，欢迎阅读。

自 ChatGPT 问世以来，OpenAI 一直被认为是全球生成式大模型的领导者。2023 年 3 月，OpenAI 官方宣布，开发者可以通过 API 将 ChatGPT 和 Whisper 模型集成到他们的应用程式和产品中。在 GPT-4 发布的同时 OpenAI 也开放了其 API。

一年过去了，OpenAI 的大模型使用体验究竟如何，行业内的开发者怎么评价？

最近，初创公司 Truss 的 CTO Ken Kantzer 发布了一篇题为《Lessons after a half-billion GPT tokens》的博客，阐述了在使用 OpenAI 的模型（85% GPT-4、15% GPT-3.5）处理完 5 亿个 token 之后，总结出的七条宝贵经验。

  Ken Kantzer

机器之心对这篇博客进行了不改变原意的编译、整理，以下是博客原文内容：

经验 1：prompt，少即是多

我们发现，如果 prompt 中的信息已经是常识，那么该 prompt 不会帮助模型产生更好的结果。GPT 并不愚蠢，如果您过度指定，它实际上会变得混乱。

这与编码不同，编码中的一切都必须是明确的。

举一个让我们感到困扰的例子：

pipeline 的一部分读取一些文本块，并要求 GPT 将其分类为与美国 50 个州之一相关。这不是一项艰巨的任务，可以使用字元串 / 正则表达式，但有足够多奇怪的极端情况，因此需要更长的时间。所以我们的第一次尝试大致是这样的：

Here's   a   block   of   text.   One   field   should   be   "locality_id",   and   it   should   be   the   ID   of   one   of   the   50   states,   or   federal,   using   this   list:

[ {"locality:   "Alabama",   "locality_id":   1},   {"locality:   "Alaska",   "locality_id":   2}   ...   ]

这有时会起作用（约超过 98% 的情况），但失败的情况足以让我们不得不进行更深入的挖掘。

在调查时，我们注意到資料欄「名称」始终返回州的全名，尽管我们没有明确要求它这样做。

因此，我们改用对名称进行简单的字元串搜索来查找状态，然后模型就一直运行良好。

总而言之，GPT 显然知道 50 个州。当 prompt 更加模糊时，GPT 的质量和泛化能力都可以提高，这太疯狂了 —— 这是高阶思维的典型标志。

经验 2：不需要 langchain

你只需要 chat API，不需要 langchain，甚至可能不需要 OpenAI 去年在其 API 中发布的任何其他内容。

Langchain 是过早抽象的完美例子。我们开始认为我们必须使用它。但相反，数百万个 token 之后，我们可能在生产中使用了 3-4 个非常多样化的 LLM 函数，而我们的 openai_service 檔案中仍然只有一个 40 行的函数：

def   extract_json ( prompt,   variable_length_input,   number_retries )

我们使用的唯一 API 是 chat API。我们不需要 JSON 模式、函数调用等等（尽管我们做了所有这些），我们甚至不使用系统 prompt。gpt-4-turbo 发布时，我们更新了代码库中的一个字元串。

这就是强大的广义模型的美妙之处 —— 少即是多。

该函数中的 40 行代码大部分都是围绕 OpenAI API 被关闭的 500s/socket 的错误处理。

我们内置了一些自动截断功能，因此不必担心上下文长度限制，我们有自己专有的 token 长度估计器。

if   s.length  >  model_context_size   *   3

   #   truncate   it!

end

在存在大量句点或数字的极端情况下（token ratio < 3 characters /token），这种方法会失败。所以还有另一个专有的 try/catch 重试逻辑：

if   response_error_code   ==   "context_length_exceeded"

    s.truncate ( model_context_size   *   3   /   1.3 )

我们已经依靠上述方法取得了很大进展，并且该方法足够灵活，可以满足我们的需求。

经验 3：通过流式 API 改善延迟并向用户显示变速输入的单词是 ChatGPT 一项重大的用户体验创新

我们曾经认为这只是一个噱头，但实际上用户对「变速输入字元」的反应非常积极 —— 这感觉就像是人工智能的滑鼠 / 游標用户体验时刻。

经验 4：GPT 不擅长产生零假设

「如果找不到任何内容，则返回空输出」—— 这可能是我们遇到的最容易出错的 prompting 语言。在此情况下，GPT 不仅会经常出现幻觉而不返回任何内容，还会导致「缺乏信心」，返回空白的次数比应有的要多。

我们大多数的 prompt 都是以下形式：

"Here ’ s a block of text that ’ s making a statement about a company, I want you to output JSON that extracts these companies. If there ’ s nothing relevant, return a blank. Here ’ s the text: [ block of text ] "  

有一段时间，我们会遇到 bug， [ 文本块 ] 可能为空，幻觉不时出现。顺便说一句，GPT 很喜欢幻想面包店，这里有一些很棒的面包店：

阳光面包店

金粮面包店

极乐面包店

幸运的是，解决方案是修复该 bug，并在没有文本的情况下根本不向其发送 prompt。 

经验 5：「上下文視窗」命名不当

「上下文視窗」只会因输入而变大，而不会因输出而变大。

一个鲜为人知的事实是，GPT-4 的输入視窗可能有 128k token，但输出視窗却只有区区 4k！

我们经常要求 GPT 返回 JSON 对象的列表 —— 一个 json 任务的数组列表，其中每个任务都有一个名称和一个标签，而 GPT 无法返回超过 10 项。

我们最初认为这是因为上下文視窗大小是 4k，但我们发现 10 个项目，可能只有 700-800 个 token，GPT 就会停止。

经验 6：向量数据库和 RAG / 嵌入对我们普通人来说几乎毫无用处

我认为矢量数据库 / RAG 确实是用于搜索的，以下是一些原因：

1. 相关性没有界限。有一些解决方案，你可以创建自己的相关性截止启发式，但它们并不可靠。在我看来，这确实「杀死了 RAG」—— 你总是冒着用不相关的结果危害检索的风险；或者过于保守，错过重要的结果。

2. 为什么要将向量放入专门的专有数据库中，远离所有其他数据？除非你处理的是 google/bing 规模的工作，否则上下文的丢失绝对不值得进行权衡。

3. 除非你正在进行非常开放的搜索（例如整个互联网），否则用户通常不喜欢返回他们没有直接输入的内容的语义搜索。

在我看来（未经验证），对于大多数搜索案例，LLM 的更好用法是使用正常的完成 prompt 将用户的搜索转换为分面搜索（faceted-search），甚至是更复杂的查询。但这根本不是 RAG。

经验 7：幻觉基本上不会发生

我们的每个用例本质上都是「这是一段文本，从中提取一些内容」。通常，如果要求 GPT 提供一段文本中提到的公司名称，它不会为你提供「随机公司」（除非文本中没有公司，即零假设问题）。

类似地，GPT 并不会真正产生幻觉代码。如果用例完全、详细，那么 GPT 实际上非常可靠。

原文链接：

https://kenkantzer.com/lessons-after-a-half-billion-gpt-tokens/

本文来自微信公众号" 机器之心 "（ID:almosthuman2014），36 氪经授权发布。