决定大模型能力的关键因素，到底是模型的参数，还是训练文本的大小？

谷歌发布的PalM2，似乎选择了后者作为提升的主要路径。

据悉，谷歌用于训练的PaLM2的文本数量几乎是训练其前身模型的5倍。

而且上周宣布PaLM 2时，谷歌明确表示，该模型比早期的PaLM更小。

谷歌内部文件显示，PaLM经过了5400亿的参数训练，而新推出的PaLM2，训练参数接近腰斩，只有3400亿个。

技术文档中训练数据的描述

但是在另一个模型训练的关键数据——训练语料大小上，谷歌开始疯狂堆料，把PaLM的7800亿的训练token量直接推到了3.6万亿！

而且除了Token数量的激增，PaLM2在数据质量上也有很大的提升。

训练数据中各个语言的比例

所以相比PaLM，第二代在英语语料数据量没有显著增长的情况下，英语性能明显提高，部分原因是因为英语数据的质量提升了。

大模型路线选择

OpenAI没有公开GPT-4的训练参数数量，但是谷歌没有藏着掖着，主动公开了PaLM2训练参数。

而且在谷歌I/O大会上，还同时发布了4个参数更少的模型。

其中最小的一款模型 Gecko（壁虎），甚至可以在智能手机上运行。

这一举动侧面反应了谷歌未来的野心，希望在更多的平台上部署自己的大模型。

在这个大背景之下，从长远的角度来看，谷歌几乎不可能选择堆训练参数量来提升模型性能，增加训练语料的数量和质量几乎成了必然的选择。

PaLM 2：史上最强大模型？

在I/O大会上宣布PaLM 2时，谷歌证实：该模型经过100种语言的训练，可以执行广泛的任务。它已经被用来为25个功能和产品提供支持，包括谷歌的实验性聊天机器人Bard。

PaLM 2有四种尺寸，从小到大依次是：Gecko（壁虎）、Otter（水獭）、Bison（野牛）和Unicorn（独角兽）。

基于现在公开披露的数据，PaLM 2比现有的任何模型都更强大。

Meta的LLaMA在今年二月推出，它在1.4万亿个token上进行了训练。

而上一次OpenAI分享训练规模，还是在推出GPT-3时，当时OpenAI说，它接受了3000亿个token的训练。

另外，谷歌两年前曾提出LaMDA模型，当时它接受了1.5万亿个token的训练。

AI军备竞赛升温，公众要求更高透明度

对于大模型训练数据的细节，大厂们都很默契地选择了「Close」。

发布GPT-4时，OpenAI没有公布架构（包括模型大小）、硬件、训练计算、数据集构建、训练方法等细节，理由是「像GPT-4这样的大规模模型的竞争格局和安全影响」。

被OpenAI逼到墙角的谷歌，也一直渴望展示自己AI技术的力量，包括如何将其嵌入到搜索、电子邮件、文字处理和电子表格中，但是此前，谷歌一直不愿意公布训练数据的大小或其他细节。

保密的原因，当然就是业务的竞争性质。

无论是谷歌还是OpenAI，都在争抢着希望使用聊天机器人而不是传统搜索引擎的用户。

但随着AI军备竞赛的升温，研究社区正在要求更高的透明度。

而现在，随着AI应用迅速成为主流，围绕底层技术的争议也愈发激烈。

随着新的人工智能应用迅速成为主流，围绕底层技术的争议也越来越激烈。

今年2月，谷歌研究高级科学家El Mahdi因公司缺乏透明度，选择辞职。

周二，OpenAI首席执行官Sam Altman在参议院司法小组委员会关于隐私和技术的听证会上作证，同意立法者的观点——需要监管AI的新系统。

「对于一项非常新的技术，我们需要一个新的框架，」Altman说。「当然，像我们这样的公司，对于在全球推出的工具负有很大责任。」

Bard可以干但ChatGPT干不了的事

1. 访问网络

相对于ChatGPT，Bard的一个显著优势就是——可以访问互联网。

问问今天（5月17日）的体坛大事，Bard快速总结出来了。

而ChatGPT无法直接访问互联网，只能通过其付费版本Plus上的插件访问网络。

2. 图像生成

在生成图像上，Bard也超越了ChatGPT的付费和非付费版本。

谷歌宣布将通过集成Adobe Firefly，提供AI图像生成功能。这个功能增强了对话的视觉效果，让用户获得了上下文更丰富的信息。

3. 语音输入

在语音输入方面，Bard也优于ChatGPT，用户只要通过语音，就可以和模型交互了。

这样在多任务处理和打字不方便时，用户就多了一种快速获取响应的边界方式。

小编把今日体坛新闻的问题读了一遍，Bard就自动显示了。唯一要注意的是，英文发音要足够标准。🤣

4. 编码能力

在编码能力上，Bard也超越了ChatGPT，它能够协助20多种编程语言，包括 C++、Python、Java、TypeScript、JavaScript等。它可以辅助开发者进行代码生成、解释和调试。

相比之下，虽然ChatGPT也具有编码功能，但它在处理额外任务时存在不足，相比之下OpenAI的Codex可能更适合执行这些任务。

让Bard用python生成一个斐波那契数列，并打出前10个数字。

Bard成功完成了。

5. 高度整合Gmail

与Gmail集成，是Bard是另一个重要优势。

Gmail拥有超过20亿用户，是全球最大的电子邮件服务商。如果在邮件中能用Bard，无疑为电子邮件交互开辟了新的可能性。

但是，微软也正把ChatGPT添加到Microsoft 365 中，并将嵌入到 Word、Excel、PowerPoint以及Gmail的竞争者中。

6. 分享输出内容

另外，Bard还可以将结果立即导出到Gmail和Docs。

用户可以将生成的内容直接导出到这些平台，轻松与他人分享。这个功能大大简化了共享信息的过程，使撰写电子邮件变得非常轻松。

另一方面，OpenAI在设置中有一个类似的导出选项。用户可以导出帐户详细信息和对话，以可下载文件的形式发送到电子邮箱中。

7. 支持图像提示

Bar还有一大功能是，能够使用图像作为提示。

用户只需点击图片或使用Google Lens扫描图像，就可以向Bard寻求帮助了。

比如，用户可以查找与某张图片类似的度假胜地，还可以询问其这个地点的历史意义。

同样，GPT-4 也是一个多模态大模型，可以接受图像和文本输入，不过截至本文发布之日，在付费版本中也没有引入这个功能。

8. 网页摘要

因为Bard可以联网，因而它可以通过简单地共享链接来总结某个网页。

相比之下，ChatGPT不能联网，用户只能手动复制和粘贴想要总结的内容。

不过，Bard也有其局限性，特别是在毒性方面。

在测试过程中，当给出明确的有毒提示时，Bard在超过30%的时间内，会产生有毒反应。

此外，在英语、德语和葡萄牙语等语言中，PaLM 2总体上会表现出更明显的毒性行为。

总的来说，由于不同的架构和测试方法，直接比较这PaLM2和GPT-4有一定的挑战性。

在推理任务中，PaLM 2的表现与GPT-4类似，甚至更好。

不过，在编码任务中，PaLM 2需要多次尝试，以及额外的编码token，才能获得良好的性能。