如何对GPT-3.5、GPT-4、Bard、文心一言、通义千问的水平进行排序？

❝ ※ 可以简单理解为整数序列就是 GPT 世界的语言，因为机器学习算法通常只能接受数值型的输入和输出，将文本数据编码成有意义且易于计算的数值，才能让神经网络理解和处理。

❝ ※ 参数是机器学习模型的内部变量，通常是一些数值，比如权重、系数等。参数的数量反映了模型的复杂度和灵活度，通常越多的参数意味着越强大的模型，但也可能导致过拟合或计算开销过大的问题。

❝ ※ 标记的数量和类型取决于模型采用的标记化算法以及词汇量的大小，一般来讲，能训练出的标记越多，意味着其用于训练的文本数据也就越多，也就意味着其学习到了更多的知识和模式，从而提高了其预测和生成的能力。

❝ ※ 本质上，这就是语言建模所做的事情，也就是预测下一个最有可能出现的单词。

❝ ※ 这句话的意思是说，提升513标记所对应的原始单词，在下一个最有可能出现的单词中的概率。

❝ ※ 旧方法就像是你给你的孩子灌输罗密欧与朱丽叶之类的爱情故事，具象化地告诉他爱情是什么；
而新方法就像你先让你的孩子自己去经历各种爱情，从而提升其对于爱情的认知，然后再根据他遇到的具体问题，给他一些针对性的建议和指导。
旧方法可以让孩子对某个故事有自己深刻的理解，但可能无法适应其他情况；
而新方法可以让孩子有更广泛和灵活的视野，但需要更多的时间和资源。

❝ ※ 可以用一个游戏的例子来类比这四个阶段之间的关系：

❝ ※ 这句话的意思是，在训练 LLM 的时候，只使用了最后的结果作为数据，而没有使用中间的思考过程或推理过程。这就意味着 LLM 只能模仿结果，而不能模仿过程。

❝ 这段话的意思是，如果你想让 Transformer 做一些需要逻辑判断的任务，那么你就必须要用更多的单词来表达你的意思，让 Transformer 更容易理解。

❝ ※ 提示本质上是一些额外的信息，可以让 LLM 更好地理解我们的问题和需求。正因为人类的大脑和 LLM 有很大的不同，所以需要提示来弥合这种差异。

❝ “女士们，先生们，微软 Build 2023 的创新者和开拓者，欢迎来到与众不同的聪明才智的聚会。
你们是未来的建筑师，是塑造人类蓬勃发展的数字领域的远见者。
拥抱技术的无限可能性，让您的想法像您的想象一样飞翔。 让我们一起为子孙后代创造一个联系更紧密、更卓越、更具包容性的世界。
准备好释放您的创造力，探索未知，将梦想变为现实。 你的旅程从今天开始。”。