【方正金工】不同大语言模型产品操作性能及进阶应用比较——ChatGPT应用探讨系列之三

admin2年前 (2023-05-27)研报1148

本文来自方正证券研究所于2023年5月25日发布的报告《不同大语言模型产品操作性能及进阶应用比较——ChatGPT应用探讨系列之三》，欲了解具体内容，请阅读报告原文，分析师：曹春晓 S1220522030005；刘洋 S1220522100001，联系人：邓璐。

摘要

本文简单介绍了几个关注度较高的大语言模型产品，包括GPT3.5、GPT4、文心一言、讯飞星火、Bard和New Bing，并比较了不同语言模型的操作性能及代码应用等方面的差异。

GPT3.5和GPT4是OpenAI的产品，基于Transformer架构，以自回归方式从大量文本中学习预测下一单词，功能包括生成文本、提供问答、写作支持和翻译等。文心一言是百度开发的基于知识增强的大语言模型，讯飞星火则是科大讯飞推出的新一代认知智能大模型，能够基于自然对话方式理解与执行任务。Bard是谷歌的大型语言模型聊天机器人，使用LaMDA模型从高质量信息源中提取回复内容。New Bing是微软基于OpenAI的ChatGPT语言模型的搜索引擎，具有丰富的搜索和语言交互的能力。

我们总结了几种人工智能语言模型在基本操作和性能方面的差异。通过对它们的输入、输出和代码能力等方面进行测试和评估，可以看到不同模型之间存在不同的限制和特点，例如输入限制、中文支持、对表格数据的分析能力以及代码生成的实现等，因此用户可以根据具体的应用场景和需求来选择最合适的产品。

此外，我们发现部分模型具备较好进阶功能，如对表格数据的分析和代码生成能力。在代码生成能力的随机测试过程中，GPT4和New Bing能够较好的完成某些代码生成任务，相比其他模型有更大的优势。总体而言，这些比较是为了更好地了解不同模型的操作性能和进阶应用，并为用户选择合适的语言模型提供参考。

风险提示：

模型迭代不及预期、各模型回答结果不一、文本与代码生成有误、模型更新后相关功能可能发生较大变化。

报告正文

1 几种语言模型产品的基本情况介绍

1.1 GPT3.5

GPT3.5是OpenAI开发的基于Transformer架构的语言模型，具有1750亿个参数。该模型通过自回归方式从大量文本中学习预测下一单词，其功能包括生成文本、提供问答、写作支持和翻译等。优点包括：1）强大的语义理解和生成能力；2）创造性的文本生成；3）广泛的应用潜力。缺点包括：1）高计算资源需求；2）缺乏常识和深层理解，可能生成有误导性或不准确的信息；3）处理超出知识截止日期的信息可能存在困难。

官网：https://openai.com/

1.2 GPT4

GPT4是OpenAI最新推出的基于Transformer架构的大型语言模型，拥有万亿级别的参数数量，在GPT3.5基于上继续提高了模型的学习能力。其原理与GPT3.5相同，也是通过自回归方式从文本中学习，能进行更复杂的文本生成、问答、写作支持和翻译等任务。其优点在于能处理更大的文本，理解更复杂的语义信息，生成更准确和流畅的文本。其缺点包括响应和生成文本的速度变慢，高计算资源需求。

近期更新：2023年5月开始支持网络浏览和插件使用。网络浏览功能允许ChatGPT在回答最近主题和事件的问题时，知道何时以及如何浏览互联网。而插件功能则使ChatGPT知道何时以及如何使用第三方插件。同月OpenAI发布了ChatGPT的iOS应用，该应用支持同步对话、语音输入，并将最新的改进模型呈现给用户。

官网：https://openai.com/

1.3 文心一言

文心一言是百度开发的基于知识增强的大语言模型，它的关键技术包括有监督精调、人类反馈的强化学习、提示、知识增强、检索增强和对话增强，基本功能是包含文本创作、知识问答、文本修改、文本总结、翻译等。

官网：https://yiyan.baidu.com/welcome

1.4 讯飞星火

讯飞星火认知大模型是科大讯飞推出的新一代认知智能大模型，拥有跨领域的知识和语言理解能力，能够基于自然对话方式理解与执行任务。其从海量数据和大规模知识中持续进化，实现从提出、规划到解决问题的全流程闭环。基本功能包含语言理解、知识问答、逻辑推理、数学题解答和代码编写等。

官网：https://xinghuo.xfyun.cn/

1.5 Bard

Bard是谷歌开发人工智能的大型语言模型聊天机器人。Bard背后是谷歌开发的LaMDA模型,该模型能够赋能Bard从高质量信息源中提取回复内容,以显示最新的答案。其支持处理文本，翻译语言，联网搜索，并且与整个Google生态联动，为用户提供高效的AI辅助。

官网：https://bard.google.com/

1.6 New Bing

New Bing是微软推出的基于OpenAI的ChatGPT语言模型的搜索引擎，具有丰富的搜索和语言交互的能力。其功能包括知识问答，联网搜索，生成文本和图片等。

官网：https://www.bing.com/new

2 几种语言模型产品的操作性能及进阶功能比较

通过测试几种不同的人工智能语言模型的产品（包括GPT3.5、GPT4、文心一言、讯飞星火、Bard和New Bing），我们可以在基本操作和代码应用等方面作如下总结。如图所示，各语言模型在基本情况、操作性能和进阶应用方面存在差异，用户可以根据具体的应用场景和需求来选择最合适的产品。

注：1.各语言模型每次生成答案可能不一样，本篇报告文心一言使用的是测试版，讯飞星火使用的是通用内测版；2.上述测试内容主要为使用操作和代码生成等方面，不包含其他文本交互、AI作图等内容，实际上文心一言和讯飞星火在处理中文语境中的问答交互具有优势，但本篇报告未对这些内容进行测试；3.使用操作等测试内容基于2023年5月23日的结果，表格分析和代码生成测试为2023年5月15日的生成结果，不代表该模型无法完成该任务或之后不能胜任该任务。

2.1 输入输出与基本操作

在输入上限上，GPT3.5为4096tokens、GPT4为2048tokens、文心一言为1024字、讯飞星火约5500字，Bard约9850字符，New Bing为2000字或4000字（取决于选择的模式）。

在使用限制上，仅GPT4和New Bing有所限制，其中GPT4限制每三个小时25条对话，New Bing限制每次聊天仅20次对话，其余模型均无限制。

在输入内容上，GPT3.5、GPT4、文心一言仅能输入文字以及Markdown形式的表格，讯飞星火、Bard和New Bing在支持输入表格的基础上，还可以支持输入音频，通过音频转文字的方式提出问题。

在输出内容上，所有模型均可输出文字和表格内容，文心一言和New Bing可以额外输出AI图像，讯飞星火额外输出音频，GPT4可通过插件功能输出图像等形式，此外，Bard和New Bing可支持文件导出。

2.2 是否能对表格数据进行分析

表格分析是一种重要的数据处理技术，它帮助我们从大量结构化数据中提取有用的信息。无论是在商业领域、科学研究还是日常生活中，表格分析都扮演着至关重要的角色，因此本节我们对比各模型的数据分析能力。

我们的需求：分析涪陵榨菜近期的股票数据，完成以下两个任务：（1）对涪陵榨菜近期的股票数据进行点评；（2）根据收盘价数据计算每日收益率，并以表格的方式输出。

模型对比结果：以上所有模型均实现了对给定数据生成相应文字点评，但在对表格数据进行分析方面，①仅讯飞星火无法根据收盘价计算收益率，且若以相同的问题进行提问，无法自动纠正错误；②文心一言和Bard虽然计算的方式没有问题，但是由于数据较多，没有找到正确的列（close列），而是找到了第一列内容；③其他模型可以正确的找到数据列并分析数据，但可能因计算方式不同，因此结果有所差异。

2.3 是否能模仿文本风格生成相应的点评

模仿文本是利用人工智能强大语言组织能力，根据给定的文本提示，模仿其风格并重新对相应的数据的文字点评。在日常工作中，我们需要根据搜集到的财务或金融数据进行文字表达，该任务具有高度的可重复性，因此通过让各类语言模型模仿文本风格生成点评，可以在很大程度上提高工作效率。

我们的需求：通过提供一段基金中报数据以及给定的基金点评模板，要求其模仿文字，对一段新数据生成相同风格的点评。

模型对比结果：在模仿文本方面，①除了讯飞星火模型未成功模仿文字点评外，其他模型均成功完成；但在对问题表述进行改变、添加相关逻辑词后，讯飞星火模型也成功模仿文字点评，但其模仿能力较弱，仅实现相关数据的替换；②文心一言模仿的结构上与原来有所不同，模仿能力相对一般；③GPT3.5、GPT4和New Bing的模仿能力较好，能结合语境替换相关词语并作数据分析。

2.4 是否能根据需求表述实现代码生成

2.4.1 比较不同模型关于下载数据的代码生成

WindAPI接口是指Wind金融终端提供的一组编程接口，允许开发人员使用多种编程语言（如C++, Java, Python等）编写程序来访问Wind资讯金融终端的数据和功能。通过WindAPI接口，研究人员可以访问Wind资讯金融终端提供的众多数据和功能，包括市场行情数据、财务数据、新闻资讯、图表分析、交易模拟等。

我们以Wind API接口下载数据为例，比较各模型对于常见数据库使用方面的代码生成能力。

我们的需求：写一段Python代码，目的是使用WindPy库下载000001.OF近1年的复权单位净值和沪深300的收盘价，并计算两个数据之间的相关性。

模型对比结果：在生成下载数据的代码任务中，仅GPT4的代码可以一次性正常运行，并得到了正确的结果。①GPT3.5、讯飞星火和Bard均在导入WindPy模块时发生错误；②除GPT4和Bard模型之外，其他模型都在使用api读取函数时发生错误；③Bard模型在计算相关系数时函数使用错误（注：此处测试为随机测试，GPT3.5等部分模型在重复交互之后也能够完成任务）。

2.4.2 比较不同模型关于动量策略的代码生成

Python不但拥有众多的数据处理库和工具，而且拥有强大的统计分析和机器学习能力，可以对股票数据进行各种分析和建模，可以帮助投资者更好地理解股票策略、预测股票走势和价格。我们以动量策略的代码为例，比较各模型对于常见量化策略应用场景的代码生成能力。

我们的需求：写一段Python代码，读取A股日度行情.feather，列名S_INFO_NEW BINGCODE代表股票代码，TRADE_DT代表交易日，S_DQ_ADJCLOSE代表收盘价，S_DQ_ADJOPEN代表开盘价，计算每只股票每月月底数据，进而计算月涨跌幅，月涨跌幅的定义为月末收盘价/上月收盘价-1，根据所有股票的月涨跌幅从小到大分10组，并通过输出下个月这10组收益率的平均值，进而简单分析一下这个动量策略的效果。