量子位 | 公众年夜众号 QbitAI
AI搜索引擎再度进化？！
给这个AI一个主题，分分钟给你甩出一篇论文综述，而且还会自己供应论文引文。
又或者输入一个科学类的名词，AI也能迅速天生这个名词专属的维基百科。
这个AI名叫Galactica （简称：GAL），是最新开源的一个科学措辞大模型，把AI转化为科学生产力。
并且还实现了学科“大一统”，数学、物理、打算机…这个AI都能用。
模型刚一放出，就迅速引发网友热议，目前干系推文已有近15万浏览，累计点赞、转发、引用也已破五千。
Facebook前技能官也出来为它来站台。
还有网友亲自体验了一把，写出来的文献综述“看起来相称不错”，乃至直呼：
下一步它是不是就能产生新想法了。
实在写文献综述和生产维基百科还只是GAL功能的一部分，撤除这些，它还能回答一些专业问题、编写科学代码、注释分子和蛋白质……
详细效果如何，一起来看看吧～
可以作为科学生产的工具提到科学生产力，就肯定离不开论文的查找，这不，GAL帮你办理了。
它涵盖了五种科学学科：机器学习、数学、打算机科学、生物以及物理。
选择好学科，然后在左边框输入想要找的论文主题，右边GAL便会推举最得当的论文以供阅读。
除了推举论文之外，GAL还有一个更加实用的功能：天生讲稿。
比如说要做个关于密度泛函理论（DFT）的pre，又
GAL还能够用来注释分子和蛋白质，如下便是GAL天生的RDKit（可天生用于机器学习的分子描述符）操作手册。
在一些细节问题上，GAL也狠狠拿捏了！
就比如说你看不懂一些繁芜的数学公式和代码，没紧要交给GAL来办理，它能直接给你翻译成大口语。
不仅如此，它还能实现数学公式和代码之间的相互转换，或者不同类型代码之间的转换。
更主要的是，他还有简化公式和查错功能。
怎么做到的？
GAL能实现这么繁芜的功能，就不得不提到它的演习数据集。
据官方，GAL是在一个名为NatureBook的新型高质量科学数据集上进行演习的，这使模型能够利用科学术语、数学和化学公式以及源代码。
个中包括超过4800万篇论文、教科书和教室讲稿，还有数百万计的化合物和蛋白质、科学网站以及百科全书等等。
除此之外，为了查找论文并规范化引用，GAL的数据集中包含超过3.6亿条高下文引用和超过5000万条跨不同来源规范化的独特参考。
有了这么弘大的数据集之后，那接下来便面临两个问题。
第一个问题是如何管理这些高质量的数据集，实现这点，GAL用了两步：
所有数据都以一种通用的标记格式进行处理，打通各种来源数据之间的壁垒。预演习中包含用于特界说务的数据集，这就能担保在处理特界说务时能够更加专业。还有一个问题是：如何设计界面交互？
首先就像上文提到的那样，GAL能够支持不同类型的任务。
因此在设计界面交互时便对各种任务进行分类，不同的分类会支持不同的类型的数据。
既然GAL拥有高度管理和高质量的科学数据集，那和其他模型比较效果如何？
直接上数据！
推理方面，GAL的上风脱颖而出，在数学MMLU（大规模多任务措辞理解）上，表现要优于Chinchilla，数学方面，表现也优于PalM 540B和GPT-3 175B。
只管，GAL并没有经由一样平常数据集的演习，但它在BIG-bench上的表现仍旧优于BLOOM和OPT-175B。
看完之后是不是也心痒痒了，先码住再说！
传送门：https://galactica.org/
参考链接：[1]https://twitter.com/paperswithcode/status/1592546933679476736[2]https://github.com/paperswithcode/galai[3]https://galactica.org/static/paper.pdf
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态