·MOSS系统负责人邱锡鹏表示，最新的MOSS已经能够在中文能力上超过ChatGPT，可以通过使用工具来为用户提供帮助，并在预防“有害道德”方面做了很多优化。

·邱锡鹏认为，通用大模型除了算力需求大以外，目前依然在可信性、安全性、逻辑性等方面存在许多挑战，里面有非常多的科学问题并没有被解决，这些都需要高校研究团队进行重大科研攻关。

复旦大学计算机科学技术学院教授、MOSS系统负责人邱锡鹏7月7日在2023世界人工智能大会发表演讲。

7月7日，在2023世界人工智能大会“大模型时代的通用人工智能产业发展机遇以及风险”论坛上，复旦大学计算机科学技术学院教授、MOSS系统负责人邱锡鹏表示，国内首个对话式大型语言模型MOSS在今年2月发布后，还在连续不停地迭代，“最新的MOSS已经能够在中文能力上超过ChatGPT。”

邱锡鹏在演讲中表示，目前MOSS可以通过使用工具来为用户提供帮助。例如MOSS本身不会绘画，但它可以调用文字生成图片的插件来达到效果。而对于算数运算，MOSS也可以调用计算器和解方程器来完成复杂的数学解题。如果向MOSS询问原有知识库里没有的实时信息，MOSS可以调用搜索引擎，根据反馈的结果进一步回答，例如每天抓取新闻，为用户汇总新闻链接与内容。

邱锡鹏透露，MOSS发布后，团队把一部分精力放在如何打通使用工具的能力，并在4月推出了开源插件版的模型MOSS-Plugin。“作为模型和外界交互的一种非常重要的方式，插件能力在未来是非常重要的。”他说。

值得一提的是，MOSS在预防“有害道德”方面也做了很多优化。“对于违背道德的问题，MOSS会避免回答，我们通过优化让MOSS具有非常强的道德感。”邱锡鹏同时表示，MOSS还可以进行角色扮演，实现个性化上的优化。

此外，邱锡鹏表示，现在所谓的大型语言模型成本高，主要是集中在第一阶段，即预训练（Pretraining）。“我们的大模型不是大公司才能玩得起，以后高校、普通爱好者和学生都可以玩大模型。” 邱锡鹏指出，后面阶段的成本相对来说并不是特别高，例如预训练后的监督微调、迭代优化、推理部署、模型评测等阶段。但这些阶段才是真正的挑战，“前面的预训练阶段并不适合所有人来研究，但是后面有非常多的科学问题需要我们进一步研究。”

大模型仅仅只是工程问题，高校和学术团体做大模型没有意义？邱锡鹏并不这么认为。公司投入金钱与工程师来推进工程的确重要，但大模型如果仅仅靠公司是没办法真正做好的。“大模型里有非常多的科学问题需要广大研究者参与。如果离开了学术团队，大模型可能会缺少非常多的理论和技术支撑。”

邱锡鹏进一步指出，“通用大模型除了算力需求大以外，目前依然在可信性、安全性、逻辑性等方面存在许多挑战，这里面有非常多的科学问题并没有被解决，比如智能如何涌现、复杂推理如何实现、高效架构、学习策略，以及如何做更好的知识融合，这些都需要高校研究团队进行重大科研攻关。”

复旦团队将围绕MOSS持续开展大模型其他方面的研究，包括能力强化、知识对齐、模态融合和开源开放，进一步迈向通用人工智能。

邱锡鹏在论坛中还介绍了正在建设中的开源语言模型平台OpenLMLab，该平台的下层将对接国产通用框架和预训练模型库，而上层会面向大模型生态方面的应用。

据介绍，OpenLMLab集对话模型、模型微调、模型对比和模型评测等领域于一体。MOSS是该开源平台的对话模型，而COLLiE是模型微调的工具库，将来会进行强化学习迭代。此外，该平台支持AI生成文本检测软件Sniffer和快速对比多个对话大模型效果的工具ChatZoo。

邱锡鹏在演讲结尾还介绍了一款名为Gaokao的工具，基于高考题目进行模型评测。“我们认为，现在有许多大模型的榜单都不太全面或权威，然而人类的考试是非常全面和权威的，例如高考。基于它，我们可以评测各种大模型的能力。高考的题目还有另一个好处，由于每年高考题目都会更新，基本上大模型不太会存在刷题的嫌疑，因此每年都可以有新题目来比较不同的大模型。”