這個 GitHub 新項目，能讓 ChatGPT 完成復雜任務，GPT3.5 和 GPT-4 都支持。
它通過將問題拆解，并調用外部資源，提高了 GPT 的工作能力。
在它的調教下，GPT-4 回答的準確率從 68% 提高到了 85%。
這個項目名叫 SmartGPT，這個名字很直白地告訴了我們它的作用。
無論是直觀感受還是量化數據，GPT 在它的加持之下回答正確率都有提高。
我們不妨看看幾個經典的問題。
晾干 5 件衣服需要 5 個小時，那么晾 30 件需要多長時間呢？
這是一個來自 OpenAI Playground 的經典問題。
只見 GPT 一頓操作猛如虎，又是推理又是列方程……
然而最后給出的答案是 30 個小時。
而經過 SmartGPT 調教之后，不僅得到了正確答案，還指出了此前的思路為什么會出錯。
再來舉個栗子，同樣是來自于 OpenAI Playground 的問題。
假設有 6 升和 12 升的罐子各一個，如何量取 6 升水？
GPT 的答案嘛…… 麻煩不說，能不能解釋下第五步的 2 升是怎么剩下的？
經過調教之后嘛…… 雖然不理解為什么不直接用 6 升的，但也有很大進步了。
我們也用倒拔垂楊柳的問題進行了測試，提供了諸葛亮、孫悟空和林黛玉三個選項。
第一輪，GPT-4 給出的答案是…… 孫悟空。
經過調教之后，GPT-4 終于發(fā)現(xiàn)了三個選項都是錯誤的。
同時還指出了孫悟空雖然沒有倒拔垂楊柳但是有相似的情節(jié)。
（《西游記》第二十五回中，孫悟空在五莊觀因憤怒將人參果樹拔倒）
需要說明的是，由于沒有 GPT-4 的 API，測試是按照開發(fā)者介紹的方法手工完成的。
當然了，個例并不能說明它的表現(xiàn)，還是要用數據集測試一下。
開發(fā)者使用了 MMLU 數據集分別對調教前后的 GPT-4 進行了測試。
結果顯示，未經調教的版本只答對了 68%，而調教后的版本答對了 85%。
順便提一句，真人專家在測試中的平均成績是 89.8%。
數學方面，同樣使用 MMLU 數據集進行測試，開發(fā)者從中選擇了 15 個大學難度的數學問題。
雖然準確率只有 60%，但也是及格了，而且比原版 GPT 的 40% 已經好了太多。
化整為零，逐步解決
開發(fā)者將 SmartGPT 中的環(huán)節(jié)形象地比作了職場中的角色：
“甲方”：SmartGPT 用戶。
“經理”：和“甲方”對接，把任務拆分成高級子任務并逐一匯報給“老板”。
“老板”：制定計劃，將高級子任務再次拆分，并分發(fā)給“員工”。
“員工”：接收任務，編寫偽代碼，交給“小黃人”執(zhí)行。
“小黃人”：將偽代碼優(yōu)化成 LUA 腳本并運行。
作為“甲方”的用戶，需要做的只是像使用普通 GPT 一樣輸入自己的問題，而不必給出額外指令。
SmartGPT 會幫助用戶把問題拆分，然后按照步驟提交給 GPT。
此前有人發(fā)現(xiàn)，在輸入給 GPT 的指令中加入“l(fā)et’s think step by step”可以提高回復的準確率。
同時，GPT-4 具有回溯能力，能夠發(fā)現(xiàn)并指出自己此前回答中的錯誤。
以上兩個特性為 SmartGPT 的工作提供了重要支撐。
在用戶輸入完指令后，SmartGPT 對其進行處理拆分，包括添加“l(fā)et’s think step by step”類似的表述。
然后它會將處理好的指令傳至 GPT 的 API，并重復多次獲取不同的答案。
接著，SmartGPT 會向 API 發(fā)送要求其回溯答案并選擇最優(yōu)解的指令。
最后，將 GPT 自己選擇的最佳答案展示給用戶。
上述步驟受到了三篇學術論文的啟發(fā)（圖中白框）。
這三篇論文的內容分別關于“鏈式提示方式”、“動態(tài)記憶及讓 LLM 自我回溯”和“用對話提高 LLM 完成度”。
和其他工具相比，SmartGPT 好在哪
AutoGPT 等工具同樣可以用來優(yōu)化 GPT，SmartGPT 比它們好在哪里呢？
由于其工作原理是將任務進行拆分，會形成邏輯鏈條，因此 SmartGPT 擁有更強大的推理能力。
實用性方面，SmartGPT 由獨立的子模塊組成，使用者可以對它們進行任意排列、組合和刪改。
此外，無論對于用戶還是開發(fā)人員，SmartGPT 的配置過程都更為簡單。
不過開發(fā)者也坦言，這個項目剛推出不久，因此穩(wěn)定性有待考證，在內存優(yōu)化方面還有所欠缺，消耗的環(huán)境資源也更多。
在項目推出之后，有網友表示我們低估了 GPT 的潛力，甚至包括 OpenAI 自己。
那么，你期待 GPT 未來的表現(xiàn)嗎？
SmartGPT 目前暫無開箱可用版本，需要自行在 Linux 環(huán)境搭建，動手能力強的讀者可根據下面的項目頁面中的指示體驗：
項目地址：https://github.com/ Cormanz / smartgpt
項目涉及到的論文：
[1]. https://arxiv.org/abs/2305.02897
[2]. https://arxiv.org/abs/2303.11366
[3]. https://arxiv.org/abs/2303.17071
參考鏈接：
[1]. https://www.youtube.com/watch?v=wVzuvf9D9BU
[2]. https://www.reddit.com/r/singularity/comments/13axo1r/gpt_4_is_smarter_than_you_think_introducing/
本文來自微信公眾號：量子位 （ID：QbitAI），作者：克雷西
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。