每經記者 朱成祥    每經編輯 梁梟    

9月25日上午，“解碼未來：全球數智趨勢”專題論壇在上海浦東成功舉辦。論壇由工業和信息化部工業文化發展中心、上海市經濟和信息化委員會、上海市浦東新區人民政府主辦。

本次專題論壇是工業文明國際論壇的分論壇之一。主論壇以“工業文明·中國力量”為主題，設一個主論壇和三個分論壇，來自多個國家的政府代表和專家、企業家，聚焦工業文明變遷、人工智能和在線新經濟、新能源和智能網聯汽車、先進材料、生物醫藥、產城人文、工業博物館等熱點議題展開討論。

在“解碼未來：全球數智趨勢”專題論壇上，復旦大學計算機科學技術學院教授張奇以“大語言模型能力邊界與發展思考”為題發表了主題演講。張奇認為，圍繞長上下文建模、多任務學習、跨語言遷移性、文本生產能力這些核心能力，與場景做結合，將有巨大的價值。對于未來的大模型，清晰認知它的能力邊界非常重要。如果對能力邊界有共識，對于未來投資的力度和方向就有很好的把握。但是可能還需要一定的時間，或許一年、兩年的時間才能完成確認（認知能力邊界）。

張奇發表主旨演講 圖片來源：主辦方供圖

張奇提到，2023年，大家認為大模型無所不能，所有的地方都可以使用，可以寫code（代碼），可以做醫療，能夠做很多東西。但是干了一年后，大家發現，大模型落地總是差那么一口氣。

他舉例，去問大模型一句詩的下一句是什么，它可以做得很好，但是如果讓它回答一句詩的前面一句是什么，或者一個成語的中間一個字是什么，結果會變得非常差。這也就讓我們思考，為什么大模型會出現這些情況，它能做什么，不能做什么。

對于微調階段，張奇認為，這和前一階段的訓練數據非常相關，想讓它有什么樣的能力，就得準備什么樣的訓練數據，而且是非常精心地準備，這和自然語言處理的邏輯非常不同。過去可以大量加訓練數據，現在完全不是。

關于大模型能力邊界，張奇認為，目前可以確認的大模型的能力是上下文建模、多任務學習、跨語言遷移性、文本生成能力。

文本生產能力方面，張奇稱，在ChatGPT之前，自然語言處理研究者是不敢做自然語言生成的，因為難度非常大。模型大到現在這種程度之后，自然語言生成就可以做得非常好了。

張奇表示，可確認的就是這四個能力。“但是推理怎么樣，我覺得OpenAI還是做了非常值得研究的過程，去年我們也做了很多過程型的推理，但是它的泛化能力怎么樣，以及未來是什么，我覺得還需要非常仔細地研究。”張奇說道。