GPT-4变笨加剧，被曝缓存历史回复：一个笑话讲八百遍，让换新的也不听

有网友找到了GPT-4变“笨”的又一证据。

他质疑：

OpenAI会缓存历史回复，让GPT-4直接复述以前生成过的答案。

图片

最明显的例子就是讲笑话。

证据显示，即使他将模型的temperature值调高，GPT-4仍重复同一个“科学家与原子”的回答。

就是那个“为什么科学家不信任原子？因为万物都是由它们编造/构造（make up）出来的”的冷笑话。

图片

在此，按理说temperature值越大，模型越容易生成一些意想不到的词，不该重复同一个笑话了。

不止如此，即使咱们不动参数，换一个措辞，强调让它讲一个新的、不同的笑话，也无济于事。

图片

发现者表示：

这说明GPT-4不仅使用缓存，还是聚类查询而非精准匹配某个提问。

这样的好处不言而喻，回复速度可以更快。

不过既然高价买了会员，享受的只是这样的缓存检索服务，谁心里也不爽。

图片

还有人看完后的心情是：

如果真这样的话，我们一直用GPT-4来评价其他大模型的回答是不是不太公平？

图片

当然，也有人不认为这是外部缓存的结果，可能模型本身答案的重复性就有这么高：

此前已有研究表明ChatGPT在讲笑话时，90%的情况下都会重复同样的25个。

图片

具体怎么说？

证据实锤GPT-4用缓存回复

不仅是忽略temperature值，这位网友还发现：

更改模型的top_p值也没用，GPT-4就跟那一个笑话干上了。

（top_p：用来控制模型返回结果的真实性，想要更准确和基于事实的答案就把值调低，想要多样化的答案就调高）

图片

唯一的办法是把随机性参数n拉高，这样我们就可以获得“非缓存”的答案，得到一个新笑话。

图片

不过，它的“代价”是回复速度变慢，毕竟生成新内容会带来一定延迟。

值得一提的是，还有人似乎在本地模型上也发现了类似现象。

图片

有人表示：截图中的“prefix-match hit” （前缀匹配命中）似乎可以证明确实是用的缓存。

那么问题就来了，大模型到底是如何缓存我们的聊天信息的呢？

好问题，从开头展现的第二个例子来看，显然是进行了某种“聚类”操作，但具体如何应用于深度多轮对话咱不知道。

图片

姑且不论这个问题，倒是有人看到这里，想起来ChatGPT那句“您的数据存在我们这儿，但一旦聊天结束对话内容就会被删除”的声明，恍然大悟。

图片

这不禁让一些人开始担忧数据安全问题：

这是否意味着我们发起的聊天内容仍然保存在他们的数据库中？

图片

当然，有人分析这个担忧可能过虑了：

也许只是我们的查询embedding和回答缓存被存下来了。

图片

因此，就像发现者本人说的：

缓存这个操作本身我不太担心。

我担心的是OpenAI这样简单粗暴地汇总我们的问题进行回答，毫不关心temperature等设置，直接聚合明显有不同含义的提示，这样影响很不好，可能“废掉”许多（基于GPT-4的）应用。

图片

当然，并不是所有人都同意以上发现能够证明OpenAI真的就是在用缓存回复。

他们的理由是作者采用的案例恰好是讲笑话。

毕竟就在今年6月，两个德国学者测试发现，让ChatGPT随便讲个笑话，1008次结果中有90%的情况下都是同样25个笑话的变体。

图片

像“科学家和原子”这个更是尤其出现频率最高，它讲了119次。

因此也就能理解为什么看起来好像是缓存了之前的回答一样。

因此，有网友也提议用其他类型的问题测一测再看。

不过作者坚持认为，不一定非得换问题，光通过测量延迟时间就能很容易地分辨出是不是缓存了。

图片

最后，我们不妨再从“另一个角度”看这个问题：

GPT-4一直讲一个笑话怎么了？

一直以来，咱们不都是强调要让大模型输出一致、可靠的回答吗？这不，它多听话啊（手动狗头）。

图片

所以，GPT-4究竟有没有缓存，你有观察到类似现象吗？

参考链接： https://twitter.com/hammer_mt/status/1719150885559812379