突然間，整個大模型圈都在談論同一件事。

微軟論文里一張「乍一看不足為奇」的統計圖，泄露了“天機”。

引領全球風暴的ChatGPT，背后大模型參數竟只有200億？？？

論文一經發布，就吸引了國內外眾多關注。

不少網友還不相信：確定不是拼寫錯了？

有網友表示：難怪OpenAI對開源這么緊張。又或者，這也許是為OpenAI開源做準備。

無獨有偶，就在前幾天有網友在GitHub Copilot的API中發現了疑似GPT-4新型號：copilot-gpt-4-2，所擁有的知識更新到了2023年3月。

這篇論文說了啥？

除了泄露機密，這篇論文本身也值得一看：業內首個用擴散模型做代碼生成。

研究團隊設想了這樣一個場景：

如果開發人員只能修改最后一行代碼，那么需要多少次從頭開始編寫一個函數才能完成呢？

用自然語言生成代碼的自回歸模型也有類似的局限性：不太容易重新考慮之前生成的tokens。

微軟研究員提出了采用編碼-解碼架構的CODEFUSION，主要包括編碼器、解碼器、去噪器以及Classification Head，將自然語言輸入編碼為連續表示，然后將其附加條件輸入Diffusion模型中用高斯噪聲進行迭代去噪。

為了生成語法正確的代碼，去噪后輸入解碼器中獲得代碼tokens，通過針對代碼的連續段落去噪(CPD)任務預訓練CODEFUSION。

在Python、Bash和Excel條件格式化（CF）規則三個語言任務上評估了CODEFUSION。

結果顯示其7500萬參數規模CODEFUSION性能，同200億參數的GPT-3.5-turbo接近，而且還生成更加多樣化的代碼。

與純文本生成的diffusion模型相比，CODEFUSION生成更多語法正確的代碼；與自動回歸模型相比，生成更加多樣化的候選代碼。

與最先進的自回歸系統（350M-175B 參數）相比，在前 1 名的準確率方面表現相當，而在前 3 名和前 5 名的準確率方面，由于其在多樣性與質量之間取得了更好的平衡，其表現優于自回歸系統。

結果這原本只是一次再正常不過的性能比較，沒想到引起軒然大波。

也有人開始了陰謀論，或許這是OpenAI開源的“前菜”，故意而為之——

因為不少大模型已經追趕上來了，而且早在今年5月，路透社就曾爆料OpenAI準備開源新大語言模型。

One More Thing

值得一提的是，早在今年2月份福布斯一則新聞報道里，就曾透露過ChatGPT只有200億參數。

當時標題是「越大越好嗎？為什么 ChatGPT VS GPT-3 VS GPT-4 的 “戰斗 “只是一次家庭聊天？」

只是當時沒有太多人在意。