ChatGPT实践问题分析与应用展望(3)

多场景问题

一是标注数据 。 诸如回答内容存在事实性错误，对于确定的事实，其给出的答案无法达到高置 信度，对于常识性的知识问题不能高效地给出符合日常认知的答案。大模型训 练所需语料涉及面非常广，仅就人文学科而言，就存在非常庞杂的知识的语料，因此，在标注过程中，相关任务对标注人员的知识面、逻辑思考能力等都有极高的要求。在此基础上，还需要针对更多语料中提及的知识进行自动抽取，反复校验，才可一步步改进。如下图， 关于古 诗《登鹳雀楼》的提问，ChatGPT未能给出符合常识的回答， 包括古诗的原文和 作者信息。

二是数据理解。 对于简单的数据说明可以顺利地进行比较分析，但面对略复杂的语义理解要求回答比较困难，对于中文丰富的词汇体系、语法和句法的特点，特别是涉及近义词之间的差别和近义程度的区分，还需要补充更多更广泛的训练数据、做进一步的训练和优化，才能修正相应问题。示例如下图。