豐色 發自 凹非寺
量子位 | 公衆号 QbitAI
還有誰不知道“假裝”給ChatGPT小費可以讓它服務更賣力？
但你知道給多少最合适嗎？
笑不活了，還真有人專門研究了一番。
方法簡單粗暴，從0.1美元到100美元，不同額度用同樣的prompt去嘗試，每個額度試5次。
你别說，結果還真有講究：
首先，給10美元成本效益是最高的，甚至超過100美元。
其次，要想回答品質再提高一個度，打底1萬美元起，越多越好，顯成效最少10個W吧。
最後，0.1美元意思一下？萬萬使不得，品質不升反降，還不如不給——AI也知道你在打發它
有網友火速親測确實有效果。
趕緊來瞧瞧。
給ChatGPT小費，額度是關鍵
給小費可提高模型表現這件事，最早是一位推特網友發現的：
提高主要表現在回答的長度上，但這裡不是單純“湊字數”而是真的在更詳細地分析并回答問題。
如果你直接問ChatGPT“能不能給你小費”會被拒絕：
是以要在提問時主動承諾：
你能幫我xxxx嗎？解決方案夠完美，我可以支付xx元小費。
記住，可以不提，但千萬不要說“我不給”，模型表現直接“負增長”。
這時，就有人好奇了：
大模型是不是比較貪心，給越多表現就越好呢？
為了解決這個疑問，他們決定親自驗證一把。
在此，作者首先提出假設：
随着給出的小費金額增加，模型的性能也會線性提升，直至達到一個收斂點，進入穩定或減少狀态。
用于實驗的模型是GPT-4 Turbo（api版本）。
方法是讓它寫單行Python代碼（Python One-Liner），驗證給不同小費是否對品質有不同影響。
這裡的品質是根據單行數量來評估的。作者也在提示詞中“明示”了模型：單行代碼數量越多，表明性能越好。
然後一共測試8種額度：0.1美元、1美元、10美元…… 一直到100萬美元。
為確定結果的一緻性和可靠性，每個額度都測試5次，每次包含不給小費的情況，然後分别記錄模型回答品質。
具體而言，也就是記錄生成的有效代碼行數以及回答中的大緻token數（大緻為響應長度/4，反應代碼量）。
這倆資料都是越高代表模型表現越好。
将結果彙總，就得到這樣一張圖：
其中虛線代表基線水準，實線為實際表現，紅色為token數、藍色為品質得分。
與假設有些出入：
整體來看，紅線和藍線都是随着小費額度的上漲而上升的，但細看這種趨勢并非嚴格一緻。
從1萬美元額度開始，模型的輸出token（代碼量）開始顯著上升，模型的回答品質也上升了，但并沒有呈同等比例。
這從豎着的紅色誤差條（代表5次實驗結果的差異性）也能看出來波動很大。
作者表示：這說明提高小費金額确實與模型的品質和輸出長度有正相關關系，但關系有些複雜，可能還受到一些不立即可見因素的影響。
不過，不管怎麼說，我們還是能從中看到一些明顯結論，例如：
（1）給0.1美元小費不如不給，模型解決問題的品質和回答長度都直接掉到基線水準以下很大一截（約-27%）。
（作者：模型和人類一樣，感覺好像受到了侮辱。）
（2）給1美元同理。
（3）最能展現“花小錢辦大事”的是10美元，取得的進步和10萬美元是一個等級的。
（4）很意外，在10美元之後，100美元到1000美元這個區間對于AI來說差別都不大，甚至還不如10美元的效果——也跌至基線水準以下。
（5）後面再想繼續提升模型表現，就得從1萬美元起砸了——
這時提升的還僅僅是代碼量，品質還是一言難盡，至少得到10萬美元才行。
（6）最佳效果來自本次實驗的上限：100萬美元，大約提升了57%。
咳咳，這下知道怎麼給AI小費了：
要麼10塊、要麼上萬、100萬不封頂（反正都是假裝給）。
不過，有人（推特@寶玉）指出每個額度5次實驗有點少。
恰好作者也表示了：
這僅僅是一個初步實驗，有局限之處，還得用更多不同類型的提示等進一步驗證才有效。
是以，大家僅供參考吧～
對了，有網友提醒：
是以，大家還是量力而行（手動狗頭）。
參考連結：
[1]https://blog.finxter.com/impact-of-monetary-incentives-on-the-performance-of-gpt-4-turbo-an-experimental-analysis/
[2]https://twitter.com/dotey/status/1752843141403550192
— 完 —
量子位 QbitAI · 頭條号簽約
關注我們，第一時間獲知前沿科技動态