大家好，我是极智视界，欢迎关注我的公众号，获取我的更多前沿科技分享

事情是这样的，很多用户反映在 11 月 6 日 OpenAI 开发者日更新之后，GPT-4 就有了 "偷懒" 的毛病，特别是在代码任务，OpenAI 对此的声明有两个基调：

• 第一个是 "否认"，称自 11 月 11 日以来，"咱" 就没更新过模型呀，那这当然不是 "咱" 故意给它整成这样的；
• 第二个是 "回应"，称 "模型行为是不可预测的，咱们正在调查原因准备修复"，总结来说就是 "咱也不知道什么原因"。

现在的状态就是用户一脸懵逼，OpenAI 也一脸懵逼，大家一起面面相觑、二脸懵逼。

GPT-4 的这种 "偷懒" 行为主要体现在：模型不愿意遵循指令、缺乏创造力、也不太能保持角色扮演了，特别是在代码生成，比如有个外国小哥晒出和 GPT-4 的对话，要求用其他编程语言改写代码，结果 GPT-4 只是开了个头，主体内容却用注释省略掉了，让人觉得好笑又无语。另外还有个比较有意思的例子是，有外网网友用 "金钱" 来诱惑 GPT-4，俨然把它当做人来看了，这就跟这个主题 "变懒" 很搭边。发现 GPT-4 的表现受到 "金钱诱惑的程度" 的影响，比如在 prompt 中加上 "我会给你 200 美元小费哦"，GPT-4 的回复长度增加了 11%，而如果改成 "我会给你 20 美元小费"，那么回答就只增加了 6%，而如果是 "我不会给你小费"，GPT-4 的回答结果甚至还会减少 2% 的样子。真是蛮有意思，又奇奇怪怪的。有时候，GPT-4 甚至会告诉用户："你们完全可以自己去完成这些工作"，这不是反了吗。

那么，GPT-4 这种 "变懒" 的行为是莫名其妙还是另有玄机呢，咱们分析一下。

首先大家的第一反应肯定是 OpenAI 在作祟，是不是更新大模型更新坏了，还是在大模型的回复机制中加入了一些不为人知的控制，类似的 "阴谋论" 很多，大家也是讨论地沸沸扬扬的。对此 OpenAI 表态是自 11 月 11 日以来就没有更新过模型，不是因为更新模型导致的，他们也没有加入什么特殊的机制。但又有很多网友钻空 11 月 6 日到 11 月 11 日之间的时间，OpenAI 可能 "下手"。但我觉得这种可能性微乎其微了，毕竟从 OpenAI 的角度来说，这么做确实一点也没有必要，作为一家商业公司，谁难道还想故意给自己家的产品整出点 "bug"。当然，可能又会有人说是不是 "更新是更新了，但 OpenAI 也非故意想引入 bug，只是更新后被用户测了出来"。如果是这种可能性的话，其实也很好验证。在大家议论这么激烈的情况下，OpenAI 方面肯定是想解决问题的，如果真是因为 OpenAI 自己对模型做了更新导致，那么肯定也很容易回退到 11 月 6 日之前的稳定版本，那么看后面一段时间内 GPT-4 的表现如何就知道了。当然，我是觉得这种可能性微乎其微了。

换个角度，就是 OpenAI 啥也没做，但 GPT-4 就是莫名其妙地变懒了。这种情况下，其实 GPT-4 的这种 "偷懒" 行为是比较难以解释和理解的，你可以说 AI 本身就是黑盒不好解释，或者甚至说它已有智能学会了偷懒，当然大家知道这些并不靠谱，也没有个所以然。当然也有其他一些 "稍显科学" 的解释，比如今年 7 月份的时候，斯坦福和 UC 伯克利团队研究了 ChatGPT 的行为是否会随时间变化，把六月份的 GPT-4 (注意不是现在的 GPT-4 哦) 和今年三月份的 GPT-3.5 进行了一番对比，发现 GPT-4 遵循用户指令的能力随着时间的推移而呈现下降的趋势，。

在这个长达 26 页的分析报告中，多个 "实验" 看起来都比较有意思，但说实话其实是比较难理解的，估计做这个研究的团队本身也是难以理解其中缘何，而只是通过 "实验科学" 来归纳现象总结结论。

另外还有类似有趣的解释，比如清华大学计算机教授马少平教授认为是温度 (模拟退火算法中的超参) 设置造成的，还给出了详细的分析，如下：

来自清华马少平老师的分析：

有传说GPT4变笨了，有人解释说可能是温度设置造成的。那么大模型中的温度参数是怎么回事呢？
温度是一个超参，应该来自于模拟退火算法。
我们举一个例子说明温度的作用。假设一个人被蒙上双眼只凭一根拐杖去爬香山，他如何能爬到香山顶峰鬼见愁呢？在该人完全清醒的情况下，他只能通过拐杖试探周围地形，哪边高他就往哪边走。由于香山地形比较复杂，他大概率爬不到山顶，只能爬到一个局部最高点，除非他初始位置特别合适，该局部最高点刚好是鬼见愁。这其实就是通常所说的一种寻优方法“爬山法”。
但是如果该人喝醉了酒呢？当他酩酊大醉的情况下爬山，步履蹒跚，站立不稳，东一脚西一脚地爬行。虽然他还是想着向上走，但由于醉酒把握不住自己的行为，会有时向上，有时又向下，具有一定的随机性，但总体上他会尽可能向高的方向行走。随时间推移，该人逐渐清醒，向上的欲望越来越强烈，身体也越来越听指挥，最终很大可能会大概率爬到香山顶峰鬼见愁。这其实就是一种随机寻优方法“模拟退火算法”。
在模拟退火算法中，代替醉酒程度的量是温度。当温度非常高时相当于醉的非常厉害，行走起来一会上一会下，完全不着调，但是却可能从不正确的位置下来，转移到一个正确的道路上去。当温度非常低时，相当于没有喝酒，完全清醒，由于被蒙着双眼，只能凭借拐杖向高的方向走。这样每一步都看起来是正确的，但是最终也大概率是个平庸的结果。
再回到大模型，当温度设置很低时，基本是按照概率最大预测token，答案很可能就是一个平庸的结果。而当温度设置比较高时，如同酒后醉话一样，低概率的token也可能被生成出来，虽然有可能在胡说八道，但也有可能出现美妙的句子，如同李白斗酒诗百篇。李白的诗有没有胡说的呢？也许有，只是没有流传下来。
这样对于大模型来说，就要设置一个合适的温度参数，既要有一定的创新能力，又别太多的胡说八道，不过这一点也很难平衡，难免顾此失彼。

马老师从模拟退火算法中的温度超参的角度来解释 GPT-4 "变懒" 的现象，基本结论是温度太高时模型出现震荡就会说胡话，而温度刚好时就如 "李白醉酒诗百篇" 创造力倍增，而在温度低时就会回归 "平庸" 缺乏创造力。看起来一套一套的，也感觉挺有道理的，不过也是停留在猜测。

然后有神人顺着马老师的分析继续下去，发现当温度为 0 时，GPT-4 的行为依旧震荡，让这种看似 "有理有据" 的分析的可信度存疑。

所以目前来看，对于 GPT-4 "变懒" 的解释肯定是有，比如这里的时间偏移、比如这里的温度控制，但是都不足以太让人信服。所以到底是 "模型奇妙" 还是 "另有玄机"，分析了半天其实也没有个所以然。

不管了，还是来看在 GPT-4 就是 "会变懒" 的情况下，咱们该怎么来规避吧，毕竟现在使能于 GPT-4 落地应用已经很多，总不能随着他 "懒惰" 吧。

我们能做的最为有效的方法应该还是从提示词 Prompt 的角度出发，采用思维链 CoT (Chain of Tought) 提示过程，这种提示方法鼓励大语言模型解释其推理过程，区别于传统的 Prompt 从输入直接到输出的映射 <input -> output> 的方式，CoT 的链路是从输入到思维链再到输出的映射 <input -> reasoning chain -> output>。具体原理可以参考知乎上大佬关于大模型思维链的技术原理解读，比如 <大模型思维链（Chain-of-Thought）技术原理>。而在应用 CoT 提示之后，GPT-4 的这种 "变懒" 行为就会改善很多，这算一个比较有效的方法。

【极智视界】