GitHub 又有一個新項目，能讓 ChatGPT 完成複雜任務，GPT3.5 和 GPT-4 都支援。它通過將問題拆解，並呼叫外部資源，提高了 GPT 的工作能力。在它的調教下，GPT-4 回答的精準率從 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資料，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。
「晾乾 5 件衣服需要 5 個小時，那麼晾 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……
然而最後給出的答案是 30 個小時。
而經過 SmartGPT 調教之後，不僅得到了正確答案，還指出了此前的思路為什麼會出錯。
再來舉個例子，同樣是來自於 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 升是怎麼剩下的？
經過調教之後嘛…… 雖然不理解為什麼不直接用 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。
經過調教之後，GPT-4 終於發現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。
（《西遊記》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，由於沒有 GPT-4 的 API，測試是按照開發者介紹的方法手工完成的。
當然了，個例並不能說明它的表現，還是要用資料集測試一下。
開發者使用了 MMLU 資料集分別對調教前後的 GPT-4 進行了測試。
結果顯示，未經調教的版本只答對了 68%，而調教後的版本答對了 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 資料集進行測試，開發者從中選擇了 15 個大學難度的數學問題。
雖然精準率只有 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
開發者將 SmartGPT 中的環節形象地比作了職場中的角色：
“甲方”：SmartGPT 使用者。
“經理”：和“甲方”對接，把任務拆分成高級子任務並逐一匯報給“老闆”。
“老闆”：制定計畫，將高級子任務再次拆分，並分發給“員工”。
“員工”：接收任務，編寫偽程式碼，交給“小黃人”執行。
“小黃人”：將偽程式碼最佳化成 LUA 指令碼並運行。
作為“甲方”的使用者，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 會幫助使用者把問題拆分，然後按照步驟提交給 GPT。
此前有人發現，在輸入給 GPT 的指令中加入“let’s think step by step”可以提高回覆的精準率。
同時，GPT-4 具有回溯能力，能夠發現並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。
在使用者輸入完指令後，SmartGPT 對其進行處理拆分，包括新增“let’s think step by step”類似的表述。
然後它會將處理好的指令傳至 GPT 的 API，並重複多次獲取不同的答案。
接著，SmartGPT 會向 API 傳送要求其回溯答案並選擇最優解的指令。
最後，將 GPT 自己選擇的最佳答案展示給使用者。
上述步驟受到了三篇學術論文的啟發（圖中白框）。
這三篇論文的內容分別關於“鏈式提示方式”、“動態記憶及讓 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最佳化 GPT，SmartGPT 比它們好在哪里呢？
由於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 由獨立的子模組組成，使用者可以對它們進行任意排列、組合和刪改。
此外，無論對於使用者還是開發人員，SmartGPT 的組態過程都更為簡單。
不過開發者也坦言，這個項目剛推出不久，因此穩定性有待考證，在記憶體最佳化方面還有所欠缺，消耗的環境資源也更多。
在項目推出之後，有網友表示我們低估了 GPT 的潛力，甚至包括 OpenAI 自己。
那麼，你期待 GPT 未來的表現嗎？
SmartGPT 目前暫無開箱可用版本，需要自行在 Linux 環境搭建，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
參考連結：
-
[2]. https://www.reddit.com/r/singularity/comments/13axo1r/gpt_4_is_smarter_than_you_think_introducing/
本文來自：量子位 （ID：QbitAI）
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！