计算机行业：GPT产业梳理GPT~1到ChatGPT-230214（17页）.pdf

《计算机行业：GPT产业梳理GPT~1到ChatGPT-230214（17页）.pdf》由会员分享，可在线阅读，更多相关《计算机行业：GPT产业梳理GPT~1到ChatGPT-230214（17页）.pdf（17页珍藏版）》请在三个皮匠报告上搜索。

1、 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。1 证券研究报告 计算机计算机 GPT 产业梳理：产业梳理：GPT-1 到到 ChatGPT 华泰研究华泰研究 计算机计算机 增持增持 (维持维持)研究员 谢春生谢春生 SAC No.S0570519080006 SFC No.BQZ938 +(86)21 2987 2036 联系人 袁泽世，袁泽世，PhD SAC No.S0570122080053 +(86)21 2897 2228 行业行业走势图走势图 资料来源：Wind，华泰研究 2023 年 2 月 14 日中国内地 专题研究专题研究 ChatGPT：三个阶段打造智能对话交

2、互式：三个阶段打造智能对话交互式 AI 模型模型 ChatGPT 从诞生到现在，经历了三个大版本阶段演进。2018 年，生成式预训练模型 GPT-1 诞生，引入有监督的微调训练。2019 年，GPT-2 以增加模型通用性为目标，移除 GPT-1 的微调，以更大的参数量和多任务训练，进行 zero-shot 学习；2020 年，GPT-3 用 few-shot 代替 zero-shot，并将训练参数增加到 1750 亿，再次提高模型表现性能。2022 年，InstructGPT 引入基于人类反馈的强化学习（RLHF），在 GPT-3 基础上进行奖励训练，以 13亿训练参数实现了更好的模型性能。2

3、022 年 11 月，基于 InstructGPT，OpenAI 正式推出对话交互式模型 ChatGPT，5 天时间突破了 100 万用户。GPT-1 阶段：开启生成式预训练模型时代阶段：开启生成式预训练模型时代 GPT-1 基于 Transformer 架构，仅保留了架构中的解码器（Decoder）部分。GPT-1 的训练过程包括预训练和微调两个阶段。1）阶段一：预训练采用内含长段连续文本的 BooksCorpus 数据集，进行高容量无监督学习。2）阶段二：在做下游任务时，首先根据任务类型将其转换为不同的输入形式，再针对不用类型任务用特定训练集进行微调训练。GPT-1 的参数量为 1.17

4、亿。GPT-1 在常识推理、问题回答、文本蕴涵等任务上分别比对比方法进步了8.9%、5.7%和 1.5%。GPT-2 阶段：阶段：无监督无监督训练替代有监督训练训练替代有监督训练 GPT-2 通过海量数据和庞大的模型参数训练出更为通用的模型，无需经过特定的数据集训练也能解决各类问题，即 zero-shot learning（零次学习），从而提高模型的泛化能力。GPT-2 在架构上与 GPT-1 基本保持相同，预训练阶段与 GPT-1 方法一致，采用了更大的数据集 WebText。处理下游任务时，以无监督的训练方式进行 zero-shot 学习，通过增加 prompt 文本提示的方式提示模型具体

5、任务类型。GPT-2 的参数量增加到 15 亿。GPT-2 在命名实体识别、阅读理解等任务上表现优异，在部分任务上不及预期。GPT-3 阶段：性能不断突破，开启商业探索阶段：性能不断突破，开启商业探索 GPT-3 在 GPT-2 架构基础上，舍弃极端的 zero-shot，采用 few-shot 理念，对于特定任务给予少量（10-100 个）样例。GPT-3 最大训练参数量为 1750亿，训练结果准确度随着 few-shot 样例的增加有明显提高。基于 GPT-3，OpenAI 发布了 Codex 和 InstructGPT。Codex 是通用代码生成模型，能够将自然语言转换为代码，支持十几种

6、编程语言。InstructGPT 在 GPT-3 基础上通过 RLHF 训练奖励模型来进一步优化训练结果，仅用 13 亿参数量即可实现更符合人类需求的输出。此外，2020 年 6 月，OpenAI 开始对外提供接入 GPT-3 服务的 API，并按照模型类型进行收费，开启商业探索第一步。ChatGPT 阶段：各大互联网厂商争相推出类似产品阶段：各大互联网厂商争相推出类似产品 2022 年 11 月，基于 InstructGPT，OpenAI 发布了以对话方式交互的ChatGPT。ChatGPT 训练方法与 InstructionGPT 基本相同，区别仅在于在微调时基于 InstructGPT