【導讀】微軟最近一篇論文爆料，GPT-3.5的參數量只有20B，遠遠小于之前GPT-3公布175B。網友表示，ChatGPT能力似乎「配得上」這個體量？

GPT-3.5只有200億參數？

今天，大模型圈都被微軟論文中的一紙截圖刷爆了，究竟是怎么回事？

就在前幾天，微軟發表了篇論文并掛在了arXiv上，該論文提出了一個參數量只有75M的小規模擴散模型——CodeFusion。

性能方面，7500萬參數的CodeFusion在top-1準確率指標上，可以與最先進的350M-175B模型相媲美。

論文地址：https://arxiv.org/abs/2310.17680

這篇論文的工作很有意義，但引起大家格外注意的卻是——

作者在對比ChatGPT（gpt-3.5-turbo）時，標稱的參數量竟然只有20B！

在此之前，大家針對GPT-3.5參數量的猜測都是1750億，這相當于是縮減了差不多十倍！

根據這篇論文的爆料，網友還去維基百科上更新了GPT-3.5的介紹，直接把參數大小改成了20B。

消息一出，直接登上知乎熱搜，網友們都炸了。

有人表示，趕緊回頭再把我之前模型蒸餾的博文拿出來復習復習 。

是「烏龍」還是「事實」？

網友的爆料貼一出，瞬間就引發了激烈的討論。

目前，已經有超過68萬人前來圍觀。

這位老哥表示，論文的幾位作者也都在用推特，估計過不了多久就會親自下場解釋。

而對于這個神秘的「20B」，網友們也是眾說紛紜。

有人猜測，這很可能是作者手誤打錯了。比如原本是120B，或者200B。

結合現實中的各項評測來看，確實有很多小模型能夠取得和ChatGPT差不多的成績，比如Mistral-7B。

也許，這也是側面證實了GPT-3.5體量真的不大。

很多網友也認為20B的參數可能是準確的，紛紛發出感嘆：

「這也太難以想象了！Falcon-180B和Llama2-70B，竟然都無法擊敗這款20B的模型。」

也有網友認為，gpt-3.5-turbo是精煉版的gpt-3.5。

而這次參數的「泄露」，正好從側面印證了那些關于gpt-3.5-turbo表現不如舊版gpt-3.5的傳言。

不過，根據OpenAI的官方文檔，除了已經不再使用的text-davinci和code-davinci，GPT-3.5家族全員都是基于gpt-3.5-turbo構成的。

微軟發布CodeFusion

而爆出GPT3.5只有20B參數的微軟論文，是想介紹一個用于代碼生成的擴散模型。

研究人員針對Bash、Python和Microsoft Excel條件格式（CF）規則的自然語言生成代碼的任務來評估這個模型——CodeFusion。

實驗表明，CodeFusion（只有75M參數）在top-1精度方面與最先進的LLM（350M-175B參數）相當，并且在top-3和top-5精度方面性能和參數比非常優秀。

模型架構CODEFUSION用于代碼生成任務，它的訓練分為兩個階段，第一階段是無監督預訓練，第二階段是有監督微調。

在第一階段，CODEFUSION使用未標記的代碼片段來訓練降噪器和解碼器。它還使用可訓練的嵌入層L，將代碼片段嵌入到連續空間中。

在第二階段，CODEFUSION進行有監督的微調，使用來自文本-代碼對數據。在這個階段，編碼器、降噪器和解碼器都會得到調整，以更好地執行任務。

此外，CODEFUSION還借鑒了之前有關文本擴散的研究成果，將來自解碼器的隱藏表示D融合到模型中。這是為了改進模型的性能。在訓練過程中，在不同step中，模型引入一些噪聲，然后計算損失函數，以確保生成的代碼片段更符合預期的標準。

總之，CODEFUSION是一個執行代碼生成工作的小模型，通過兩個階段的訓練和噪聲引入來不斷提升其性能。這個模型的靈感來自于文本擴散的研究，并通過融合解碼器的隱藏表示來改進損失函數，以更好地生成高質量的代碼片段。

評估結果

下表總結了CODEFUSION模型與各個基線模型在top-1、top-3和top-5設置下的性能表現。

在top-1中，CODEFUSION的性能與自回歸模型相媲美，甚至在某些情況下表現更出色，尤其是在Python任務中，只有GPT-3（175B）的性能稍微優于CODEFUSION（75M）。然而，在top-3和top-5方面，CODEFUSION明顯優于所有基線模型。

表下表展示了CODEFUSION和自回歸模型（包括T5、CodeT5、StarCoder、CodeGen、GPT-3）在各項基準任務上的平均多樣性結果，考察了每個模型的前5代生成結果。

相對于自回歸模型，CODEFUSION生成更加多樣化的結果，表現更出色。

在消融實驗中，作者停止了去噪過程，并生成了在時間步t∈[0, T]范圍內的當前狀態的代碼片段。利用歸一化字符串編輯距離來衡量每個時間步長（每100步為一個增量）所獲得的結果。

這一方法有助于總結和展示CODEFUSION模型的逐步進展，如下圖所示。

說了這么多，GPT-3.5的參數量到底是多少？GPT-4與GPT-3.5在技術和其他方面有著什么樣的聯系？

GPT-3.5是一個個小專家模型的集成還是一個通才模型？是通過更大模型的蒸餾還是更大數據訓練？

這些問題的答案只能等到真正開源的時候才能揭曉了。