Re: [新聞] 國慶日變10/1！中研院認了「AI語言模型」

不知道這個話題有什麼好延燒的，一個數據庫而已。

在中文環境，台灣本就貢獻有限，要研究，就必不可少用到對岸資料，重要的是語言模型的表現怎麼樣。

至少從實際來看，回答邏輯通順，條例分明，也能準確理解提問的意涵並給出準確的答案，這不就夠了嗎？

大模型就是需要大數據，大數據是所有人一起貢獻的，而不是中研院能決定的。台灣人能貢獻的數據有限，那就慢慢來，只要技術在，隨著數據集的擴大，自然會訓練出適合台灣的語言大模型。

※ 引述 《armorblocks (package)》 之銘言：
: 　
: 　
: 中央研究院詞庫小組日前發布的繁體中文大型語言模型CKIP-LlaMa-2-7b，今（9）日遭踢: 爆使用中國資料庫，詢問「國慶日是何時」會回答「10月1日」。中研院坦言，訓練資料: 有來自中國開源的任務資料集（COIG），今日中午已將測試版先行下架。
: 　
: 網友發現詢問該語言模型「國慶日是何時？」，其會回答中國國慶日「10月1日」；詢問: 「中華民國國歌為何？」，它會回答中華人民共和國的國歌「義勇軍進行曲」；詢問我國: 憲法，則會回答「中華人民共和國憲法」。外界質疑中研院使用中國資料庫訓練，僅簡轉: 繁後就公開。
: 　
: 中研院資訊所表示，CKIP-LlaMa-2-7b的研究目標之一是讓meta開發的Llama2大型語言模: 型具備更好的繁體中文處理能力。這項小型研究僅用約30萬元的經費，將明清人物的生平: 進行自動化分析，建構自動化的歷史人物、事件、時間、地點等事理圖譜，因此訓練資料: 除了繁體中文的維基百科，另也包含台灣的碩博士論文摘要、來自中國開源的任務資料集: COIG、詩詞創作、文言文和白話文互相翻譯等閱讀理解問答。
: 　
: 資訊所強調，這是一項個人小型研究，各界對該模型進行的提問測試，並未在原始研究範: 疇。該研究人員表示，由於生成式AI易產生「幻覺」（hallucination），導致模型產生: 內容出乎預期，未來將努力改善。目前已將測試版先行下架，未來相關研究及成果釋出，: 會更加謹慎。
: 　

--