作者 | 赖文昕
编辑 | 陈彩娴
近日（5.7-5.11），第十二届国际学习表征会议（ICLR）在奥地利维也纳的展览会议中心召开。ICLR 2024 的论文终审工作自 1 月份启动以来，共收到了7262篇提交论文，相较于上一年度的 4966 篇，增幅达到了 46.1%，接近翻了一番。在严格的评审过程中，大会最终接受了 2260 篇论文，整体接收率维持在 31%，与去年的31.8%基本持平，其中 Spotlights 和 Oral 两种类型的论文展示分别有 367 篇（占5%）和 86 篇（占1.2%）论文获选。除了论文数量激增外，大模型（LLM）也成为今年 ICLR 的热门关键词之一。以 LLM 为研究主题的投稿论文数量暴涨，研究团队来自全球各地，涵盖多个细分方向，ICLR 也由此吸引了美国微软、谷歌、OpenAI、Anthropic、Meta，以及中国智谱、百度、面壁等多个科技团队的参会。可以说，今年人工智能领域首个举办的 ICLR 不仅是一个传统的学术会议，也是全球工业界大模型团队正面较量的缩影。ICLR 2024 的截稿日期是2023 年 9 月 28 日，但在过去的大半年，LLM 在 AI 领域依然狂飙不止。更值得关注的是，从今年的 ICLR 论文成果与演讲来看，经过一年的研究，各家在大模型上的研究已经不只停留在“研究 OpenAI”、“追赶 OpenAI” 的阶段。尤其是中国的研究团队，他们已经不再单纯模仿 OpenAI。
相反，LLM 的研究团队都不约而同地提出了自己对 AGI 的思考。ICLR 是由深度学习领军人物、图灵奖三巨头之二的 Yoshua Bengio 和 Yann LeCun 牵头发起的，首届会议于 2013 年在美国亚利桑那州的斯科茨代尔举办。尽管与 NeurIPS（神经信息处理系统大会）和 ICML（国际机器学习大会）相比，ICLR 的年资尚浅，但其学术影响力和认可度正日益提升，现已与前两者一起被公认为机器学习领域的三大顶级会议，参会人数与投稿数量也逐年显著增加。ICLR历年数据：https://papercopilot.com/statistics/iclr-statistics/会议召开的前一天，ICLR 2024 的官方网站公布了本年度的获奖论文名单，特别表彰了 5 篇杰出论文和 11 篇荣誉提名论文。5 篇杰出论文主要围绕图像扩散模型、模拟人机交互、预训练和微调、离散蛋白质序列数据的建模与 Vision Transformers 展开研究，其中预训练与微调就是大模型相关。根据 ICLR 公布的接收论文数据，被提及次数最多的前十个关键词分别是：大语言模型（LLM）、强化学习、图神经网络、扩散模型、深度学习、表征学习、生成模型、联邦学习、语言模型与可解释性。在这些关键词中，LLM 排名第一，被 318 篇研究提及，与位列第二名的强化学习（201篇）相比，整整多了 1/3，毫无疑问成为 ICLR 的绝对主角。
这 301 篇以 LLM 为研究主题的工作所涵盖的具体方向也十分广泛，如关于智能体（Agent）的研究、与强化学习结合、与其他生成模型结合、与三维重建结合、在 NLP 领域的应用、在多模态领域的应用、碳足迹建模等等。在被 ICLR 接收的 LLM 相关论文中，有不少过去几个月令人惊艳的新科研成果或产品，比如由深度赋智等中国团队开发、开源的多 Agent 开发框架 MetaGPT。MetaGPT 模拟了一个完整的虚拟软件团队，包括多个角色如产品经理和工程师，采用标准操作流程，旨在自动化编程任务，解决大模型应用问题，能输出设计、架构和代码。这篇论文在 ICLR 2024 中得到了 8.0 的高分。普林斯顿大学和芝加哥大学联合发布的 LLM 评估框架 SWE-bench 也被选中为 Oral 论文。这是一个由来自 GitHub 中真实的 2294 个软件工程问题以及 12 个流行的 Python 存储库中的拉取请求所组成的评估框架，通过给定代码库以及要解决的问题的描述，测评 LLM 编辑代码库解决问题的能力。解决 SWE-bench 中的问题通常需要同时理解和协调多个函数甚至是文件之间的更改，调用模型与执行环境交互，处理极长的上下文，并执行远超出传统代码生成任务的复杂推理。可以说，这个测评标准的出现，让市面上大模型的性能比拼有了更直观的数据。此外，还有MIT、港中文及英伟达提出的超长上下文 LLM 高效微调方法 LongLoRA 。这是一种十分有效的微调方法，通过稀疏的局部注意力进行微调， LongLoRA 实现了上下文扩展，节省了计算量，并具有与普通注意力微调相似的性能。ICLR 2024 还出现了 LLM 与碳足迹的新颖结合。来自印第安纳大学与杰克逊州立大学的研究团队发现，能在训练前预测新神经网络的碳足迹的工具 mlco2 存在局限性，如无法估算密集或专家混合（MoE）LLM 的碳足迹，忽视关键架构参数，仅关注GPU，且无法对具体碳足迹进行建模。为解决这些局限，他们开发了一种专为密集和 MoE LLM 设计的、端到端碳足迹预测模型，显著提高了 LLM 碳足迹估算的准确性。关于 LLM 与三维重建的结合，澳大利亚国立大学与 Adobe 研究中心提出的 LRM，能够在短短5秒内从单个输入图像预测对象的3D模型。与以往在小规模数据集上训练的方法不同，LRM 采用高度可扩展的、基于 Transformer 的架构，拥有5亿个可学习参数，并可以直接从数据集预测神经辐射场（NeRF）。研究团队在大约包含100万个对象的海量多视图数据上以端到端的方式训练了 LRM，包括来自 Objaverse 的合成渲染和来自 MVImgNet 的真实截图。无论是 MetaGPT 还是 LongLoRA，国内大模型的研发人员均参与其中，放眼望去，入选的华人作者更是比比皆是。而来到 ICLR 2024 的大会现场，中国的大模型初创团队如智谱 AI，互联网科技大厂如字节、百度、美团、华为、蚂蚁的身影更是遍布在展会各处，在 32 个参会企业中占领了其中的 6 席。Keynote 演讲中，智谱等来自中国的大模型公司也作了深入分享，吸引了来自国内外 LLM 参会者的广泛关注。
不难发现，中国团队已成为大模型研究热潮中不可忽视的主力军。
2023 年 ChatGPT 引爆大模型热潮后，AGI 就成为了备受关注的焦点议题。如何通往 AGI，成为了无论是技术驱动、产品驱动还是商业驱动团队都要争相回答的问题。从 GPT-3 到 GPT-3.5，从 ChatGPT 到 GPT-4 与 GPT-4V，OpenAI 的下一步“GPT-X”一度成为行业最热的话题猜测，并曾被狂热地视为“LLM 的下一步”。然而，随着越来越多的研究者加入，中国的大模型研究者开始批判思考“OpenAI 模式”与“GPT 路线”。据 AI 科技评论与多个中国大模型团队的交流，他们越来越相信，如果一味追赶 OpenAI，那么“我们将最多成为 OpenAI，却无法超越 OpenAI”。比如，有大模型团队指出，大模型不具备“智能涌现”的能力，一味追求通过扩大模型规模来实现模型智能的路线风险极高，大模型要通过具体的产品与服务来实现价值。2023 年斯坦福团队获选 NeurIPS 最佳论文的工作“Are Emergent Capabilities of LLMs a Mirage?”就指出，大模型的智能涌现能力也许是错觉。OpenAI 的单向路线以及过度依赖长序列的方法，也引起行业的反思。以长文本为例，如果说大模型的目标是实现 AGI，那么从 AGI 的终极目标倒推，AGI 所应包含的能力并不是 OpenAI 大模型的现有架构所能很好解决的。类比人类的能力，人会通过多次做一件事、越做越熟练，且掌握一项技能（如骑自行车）后就不会遗忘，但目前的大模型并不具备类似人的这种“经验性记忆”，长文本与长序列目前也没有显示出表达这种能力的潜力。相比模仿 OpenAI，中国的大模型创业者开始趋于从 AGI 的第一性原理出发，思考一条独特的、同时符合中国市场与服务的技术路线。即使是被外界视为从模型到产品全面对标 OpenAI 的智谱 AI，在如何实现 AGI 的路径上也有与 OpenAI 不同的思考。这一差异在智谱团队于 ICLR 2024 大会现场发表的主旨演讲内容中可见一斑。作为唯一受邀作主旨演讲的中国 LLM 团队，智谱在 ICLR 围绕“ChatGLM 的 AGI 之路”分享了团队的独特思考。尽管模型矩阵与 OpenAI 相似，但智谱的 AGI 核心与路径却大大区别于 OpenAI。
从2019 年开始，智谱的大模型研究以“认知”（Cognition）为核心，借鉴人类思维，将模型的能力研发分为负责快速直觉的“系统 1”与负责慢速逻辑的“系统 2”。这借鉴了 Yoshua Bengio 最早提出的“System 1”与“System 2”理论。智谱的思考是：系统 1 以 LLM 为核心，能迅速响应简单问题；系统 2 则采用知识图谱构建，能处理复杂的推理任务，建立短期和长期记忆，还具备无意识学习和自我管理等功能。这是为了让计算机程序能像人类运用左右脑一样，既能快速回答简单问题，又能通过推理回答复杂问题。此外，智谱的 GLM 大模型采取双向自回归路线，而 OpenAI 的 GPT 系列采取单向自回归路线。双向自回归的特点是：在生成 token 时，GLM 可以只关注单侧的上下文；在采用随机化的 token 控制策略处理已知 token 时，GLM 又能同时考虑两侧的上下文，实现对单向和双向注意力机制的双重管理。这相当于将 BERT 的填空功能与 GPT 的生成能力相结合，通过自回归的方式做“完形填空”。因此，在某些任务，GLM-130B 的性能能超过 GPT-3。此外，智谱的大模型技术团队还认为，人类大脑具有多模态的感知与理解能力，以及短期和长期记忆能力以及推理能力的组合。因此，视觉语言模型（VLM）也是通往 AGI 不可缺少的一环。CogVLM 就此诞生。这是一个开源的图像理解模型，旨在弥合 LLM 与视觉编码器之间的差距。通过将文本信息与视觉编码相结合，并对该组合模块进行训练，CogVLM 实现了文本与图像间精确的映射，极大地提升了模型对视觉内容的理解和生成能力，也被用于 Stable Diffufion 3 的图像标注。技术团队还研发了一个创新级联框架 CogView3。作为第一个在文本到图像生成领域实现级联扩散的模型， CogView3 在人类评估中比当前最先进的开源文本到图像扩散模型 SDXL 性能高出77.0%，推理时间却仅为其大约一半的长度，其蒸馏变体在性能相当的情况下，甚至只需 SDXL 的1/10的推理时间。随着 CogVLM 的加入，GLM-4V 也投入了使用，无论是面对包含世界常识的图片还是需要理解推理的图表，GLM-4V 都能提供言之有物的回复。为了让 GLM-4V 能自动产生不同的功能，如增加长文本的模式以储存长期记忆，或从反馈中不断自我学习完善，GLM 大模型技术团队开发了能为 LLM 启用通用代理（Agent）能力的 AgentTuning。此前，大模型训练是通过输入数据让其不断学习和微调，但这个方法的缺点是它无法推广至其他更广泛的情况。而 AgentTuning 只需用少量案例和有限的标记数据，就可以将训练好的模型推广到不同的模型之中。与此同时，大模型的“涌现能力”同样是智谱技术团队一直在探索的问题。在 LLM 烈火烹油的几年间，Scaling Law 被封为铁律，不少人认为模型大小与训练数据量的增加才能让模型“智能涌现”。OpenAI 科学家 Jason Wei 于2022年在机器学习期刊 TMLR 上发表了论文，提出 LLM 涌现能力中的某些能力仅在大模型中显现，小模型并不具备，因此大模型的新兴能力无法仅凭小模型的性能来预测，而增加模型的规模后，新兴能力自然会呈线性提高。而智谱在不久前发布的研究却提出了一个新的理解：损失（Loss）才是涌现的关键，而非模型参数。将训练损失标为 X 轴、模型性能标为 Y 轴后，研究人员发现，如果训练损失达到了2.2的阈值，模型性能就会攀升。由此可见，模型的“涌现能力”除了与模型大小、训练数据量紧密关联，也可能源自于训练损失。论文地址：https://arxiv.org/pdf/2403.15796.pdf
可以预见，GLM 系列将迎来新升级，GLM-4.5 及其后续版本将融合超级智能（SuperIntelligence）和超级对齐（SuperAlignment）技术，在增强模型的安全性的基础上构建全面的多模态模型。而这些成果的迭代，都是源于一个团队的创新思考。在 ICLR 大会演讲中，智谱提出了自己的 AGI 思考：首先是在文本这一最关键的智能基础上混合图像、视频、音频等多种模态，将 LLM 应用于聊天、OCR 识别等场景中；接着开发虚拟的 Agent 来协助用户完成多种任务，再之后是开发能与现实世界互动并得到其反馈的 Agent，接下来甚至可能是机器人，通过机器人和现实世界互动后得到真实反馈、以进一步实现 AGI……在他们的设想中，这是一个以大模型为核心的通用计算系统，能利用现有的 All-Tools 功能，结合记忆和自我反馈机制，模拟人类的计划-执行-检查-行动（Plan-Do-Check-Act, PDCA）循环，实现自我优化。这一设想引起会议观众的热烈关注，也展示了中国大模型团队的前瞻性与思考力。最后，团队分享了自2019年起研发的 GLM-zero 技术，该技术探索了类似人类在睡眠中仍进行学习的无意识学习机制，涉及自我引导、反思和批评，旨在深化对意识、知识和学习行为的理解，也代表了 AGI 的重要一步。值得关注的是，在今天，能调用以上技术 API 的智谱大模型 MaaS 开放平台（bigmodel.cn）就大幅降价，其中最具性价比的基座大模型 GLM-3-Turbo 模型的调用价格下调80%，从之前的1元可以购买 20万 tokens变为1元可以购买 100 万tokens，新注册用户获赠还从 500 万tokens提升至 2500 万 tokens（包含 2000 万入门级额度和 500 万企业级额度）。
今天，Sam Altman 预告 OpenAI 将在 5 月 13 日发布新产品，既不是万众期待的 GPT-5，也不是前段时间广为流传的 ChatGPT 搜索引擎产品。在海内外大模型仍在追赶 GPT-4 之际，OpenAI 又要开拓新的版图。“追赶 OpenAI，成为 OpenAI，超越 OpenAI。”这似乎已成为国产大模型的魔咒。但在过去一年，智谱 GLM-4、阿里 Qwen-Max 与百度文心一言4.0等国产大模型在各类评测榜单表现亮眼，跻身于国际舞台。此次 ICLR 大会现场的 LLM 成果就已表明，2024 年，“追赶 OpenAI”不再是中国大模型公司的核心，“超越 OpenAI”与商业化落地才是国内团队的目标。对比 2012 到 2022 的深度学习十年，我们不难发现，大模型时代的 AI 发展周期在不断加快。在加速的技术周期中，技术从研发到商业的距离也大幅缩减，对创新者也不断提出了新的要求。“没有第二个 OpenAI”，但有“第一个 ChatGLM”、第一个文心一言、第一个通义千问……也许从前国内行业观察者信心不足，但 ICLR 2024 结束后，国产大模型的力量走出国门，能与国际知名的 LLM 公司较量——这一事实，会更加振奋国内 LLM 的信心。本文作者 anna042023 将持续关注AI大模型领域的人事、企业、商业应用以及行业发展趋势，欢迎添加交流，互通有无。
未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！
公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。
