全都不及格！斯坦福100页论文给大模型透明度排名，GPT-4仅排第三

原文来源：量子位

图片来源：由无界 AI生成

试问百模大战的当下，谁家大模型的透明度最高？

（例如模型是如何构建的、如何工作、用户如何使用它们的相关信息。）

现在，这个问题终于有解了。

因为斯坦福大学HAI等研究机构最新共同发布了一项研究——

专门设计了一个名为基础模型透明度指标（The Foundation Model Transparency Index）的评分系统。

它从100个维度对国外10家主流的大模型做了排名，并在透明度这一层面上做了全面的评估。

结果可谓是大跌眼镜！

若是以60分作为及格线，那么“参赛”的大模型们可以说是全军覆没，没有一个及格的……

来感受下这个feel：

排名第一的Llama 2，分数仅为54；紧随其后的便是BLOOMZ，得分53。

而GPT-4分数仅仅为48，排名第三；来自亚马逊的Titan Text成绩垫底，仅取得12分

。

不仅如此，在斯坦福HAI官方的博客中，负责人Rishi Bommasani直言不讳地把OpenAI单拎出来说到：

基础模型领域的公司变得越来越不透明。
例如名字带“open”的OpenAI曾明确表示，与GPT-4相关的大多数信息将不会公开。

总而言之，团队认为大模型发展到现阶段，它们的透明度是一个非常重要的关键点，直接与是否可信挂钩。

而且更深层次的，他们认为这也从侧面反映了人工智能行业从根本上缺乏透明度。

100多页论文研究模型透明度

那么这个排名到底是怎么来的？

在成绩公布的同时，团队也把一篇厚达100多页的论文晒了出来。

正如我们刚才提到的，这次排名一共涉及到了100个指标维度。

若是“归拢归拢”着来看，可以将这些指标大致分为三大类，分别是：

将10大模型此次的成绩，按照上面的三大维度来看，得分细节如下：

从结果上来看，“上游”类指标的得分差异较为明显；例如BLOOMZ的“上游”类指标在整体得分中的占比较高。

而像Jurassic-2、Inflection-1和Titan Text，这三个模型的“上游”类指标得分直接为0。

如果将“上游”、“模型”和“下游”视为三个“顶级域”，那么团队在它们基础之上，还分了更精细、更深入的13个“子域”：

13个“子域”划分下的细节得分情况如下：

至于完整的100个指标维度，可以参考下面这张图表：

当然，对于大模型领域最具热度话题之一的“开源闭源之争”，也在此次的研究中有所涉足。

团队将广泛可下载的模型标记为开源模型，“参赛选手”中有三位属于此列，分别是Llama 2、BLOOMZ和Stable Diffusion 2。

从排名结果中显而易见地可以看出，开源模型的得分普遍遥遥领先，唯有GPT-4的得分比Stable Diffusion 2高出了1分。

对此，研究人员也做出了解释：

这种差异很大程度上是由于闭源模型的开发人员在“上游”问题上缺乏透明度造成的，比如用于构建模型的数据、劳动力和计算。

此次模型透明度排名的更多细节内容，可参考文末的论文。

透明度为什么重要？

针对这个问题，斯坦福HAI在官方博客中也做出了相应说明。