開(kāi)源大模型王座突然易主，居然來(lái)自一家小創(chuàng)業(yè)團(tuán)隊(duì)，瞬間引爆業(yè)界。

新模型名為Reflection 70B，使用一種全新訓(xùn)練技術(shù)，讓AI學(xué)會(huì)在推理過(guò)程中糾正自己的錯(cuò)誤和幻覺(jué)。

比如最近流行的數(shù)r測(cè)試中，一開(kāi)始它犯了和大多數(shù)模型一樣的錯(cuò)誤，但主動(dòng)在<反思>標(biāo)簽中糾正了自己。

在官方評(píng)測(cè)中，70B模型全面超越最強(qiáng)開(kāi)源Llama 3.1 405B、GPT-4o、Claude 3 Opus、Gemini 1.5 Pro，特別是數(shù)學(xué)基準(zhǔn)GSM8K上直接刷爆，得分99.2%。

這個(gè)結(jié)果也讓OpenAI科學(xué)家、德?lián)銩I之父Noam Brown激情開(kāi)麥：

GSM8K得分99%！是不是可以正式淘汰這個(gè)基準(zhǔn)了？

模型剛剛上線網(wǎng)友就把試玩擠爆了，對(duì)此Meta還主動(dòng)支援了更多算力。

在網(wǎng)友測(cè)試中，Reflection 70B能回答對(duì)GSM8K數(shù)據(jù)集中本身答案錯(cuò)誤的問(wèn)題：

我向模型提供了GSM8K中存在的5個(gè)“ground_truth”本身就不正確的問(wèn)題。

模型沒(méi)有重復(fù)數(shù)據(jù)集中的錯(cuò)誤答案，而是全部回答對(duì)了，這很令人印象深刻，表明那99.2%的準(zhǔn)確率并非來(lái)自于記憶測(cè)試集！

數(shù)各種r都不在話下，連生造詞“drirrrngrrrrrnnn”中有幾個(gè)r也能被正確數(shù)對(duì)。

網(wǎng)友紛紛對(duì)小團(tuán)隊(duì)做出的開(kāi)源超越頂流閉源感到驚訝，現(xiàn)在最強(qiáng)開(kāi)源模型可以在本地運(yùn)行了。

關(guān)鍵70B還只是個(gè)開(kāi)始，官方表示下周還會(huì)發(fā)布更大的Reflection 405B。

預(yù)計(jì)405B性能將大幅優(yōu)于Sonnet和GPT-4o。

Reflection 70B權(quán)重已公開(kāi)，API訪問(wèn)將于今天晚些時(shí)候由Hyperbolic Labs提供。

模型能自我反思糾正錯(cuò)誤

目前關(guān)于Reflection 70B的更多細(xì)節(jié)如下。

Reflection 70B能力提升的關(guān)鍵，是采用了一種名為Reflection-Tuning的訓(xùn)練方法，它能夠讓模型反思自己生成的文本，在最終確定回應(yīng)前檢測(cè)并糾正自身推理中的錯(cuò)誤。

訓(xùn)練中的數(shù)據(jù)來(lái)自使用GlaiveAI平臺(tái)生成的合成數(shù)據(jù)。

Reflection 70B基于Llama 3.1 70B Instruct，可以使用與其它Llama模型相同的代碼、pipeline等從Reflection Llama-3.1 70B進(jìn)行采樣。

它甚至使用了標(biāo)準(zhǔn)的Llama 3.1聊天格式。

不過(guò)，Reflection 70B引入了一些特殊tokens，結(jié)構(gòu)化輸出過(guò)程。

如下面這個(gè)例子所展示的，規(guī)劃過(guò)程分為一個(gè)獨(dú)立的步驟，這樣做可以提高CoT效果，并保持輸出精煉：

模型將從在<thinking>和</thinking>標(biāo)簽內(nèi)輸出推理開(kāi)始，一旦對(duì)其推理感到滿意，就會(huì)在<output>和</output>標(biāo)簽內(nèi)輸出最終答案。

所以它能夠?qū)⑵鋬?nèi)部思考和推理與最終答案分離。

在<thinking>部分，模型可能會(huì)輸出一個(gè)或多個(gè)<reflection>標(biāo)簽，這表明模型發(fā)現(xiàn)了其推理中的錯(cuò)誤，并將在提供最終答案之前嘗試糾正該錯(cuò)誤。

系統(tǒng)提示如下：

You are a world-class AI system, capable of complex reasoning and reflection. Reason through the query inside tags, and then provide your final response inside tags. If you detect that you made a mistake in your reasoning at any point, correct yourself inside tags.
（你是一個(gè)世界級(jí)人工智能系統(tǒng)，能夠進(jìn)行復(fù)雜的推理和反思。在標(biāo)簽內(nèi)對(duì)查詢進(jìn)行推理，然后在標(biāo)簽內(nèi)提供你的最終回應(yīng)。如果你發(fā)現(xiàn)自己在任何時(shí)候推理出錯(cuò)，請(qǐng)?jiān)跇?biāo)簽內(nèi)糾正自己。）

此外值得一提的是，基準(zhǔn)測(cè)試中，所有基準(zhǔn)都已通過(guò)LMSys的LLM Decontaminator檢查污染，隔離了<output>部分，并單獨(dú)對(duì)這一部分進(jìn)行測(cè)試。

使用Reflection 70B的時(shí)候，官方還分享了小tips：

• 初步建議參數(shù)temperature為.7 ， top_p為.95
• 為提高準(zhǔn)確性，最好附加“Think carefully.”在Prompt末尾

官方還表示，下周會(huì)發(fā)布一份報(bào)告，詳細(xì)介紹模型訓(xùn)練過(guò)程和發(fā)現(xiàn)。

Agent創(chuàng)業(yè)團(tuán)隊(duì)打造

Reflection 70B的背后是一支小團(tuán)隊(duì)，由HyperWriteAI的CEO Mutt Shumer帶領(lǐng)。

領(lǐng)英顯示，Mutt Shumer是一位連續(xù)創(chuàng)業(yè)者，畢業(yè)于美國(guó)錫拉丘茲大學(xué)，現(xiàn)任OthersideAI的聯(lián)合創(chuàng)始人兼CEO。

OthersideAI是一家AI應(yīng)用公司，致力于通過(guò)大規(guī)模AI系統(tǒng)開(kāi)發(fā)全球最先進(jìn)的自動(dòng)補(bǔ)全工具，也是HyperWrite的幕后公司。

HyperWrite是一個(gè)瀏覽器操作agent，可以像人一樣操作谷歌瀏覽器來(lái)完成一系列任務(wù)，比如訂披薩：

和gpt-llm-trainer一樣，你只需要用文字描述目標(biāo)，它就會(huì)一邊列步驟，一邊執(zhí)行。

剛推出時(shí)號(hào)稱“比AutoGPT強(qiáng)”。

HyperWrite還可以在谷歌擴(kuò)展程序中安裝。

另外，Mutt Shumer高中時(shí)期就創(chuàng)立了Visos，致力于開(kāi)發(fā)用于醫(yī)療用途的下一代虛擬現(xiàn)實(shí)軟件。

還創(chuàng)立了FURI，這是一家旨在通過(guò)創(chuàng)造高性能產(chǎn)品并以公平的價(jià)格銷(xiāo)售它們來(lái)顛覆體育用品行業(yè)的公司。

雖然有Meta支持，但目前打開(kāi)試玩，還是：暫時(shí)無(wú)法訪問(wèn)。

感興趣的童鞋可以先碼住了～

https://reflection-playground-production.up.railway.app/ 

參考鏈接：
[1]https://huggingface.co/mattshumer/Reflection-Llama-3.1-70B
[2]https://x.com/mattshumer_/status/1831767014341538166
[3]https://x.com/polynoamial/status/1831798985528635806
[4]https://x.com/degeneratoor/status/1831809610451448196
[5]https://x.com/kimmonismus/status/1831772661296345333