ChatGPT大战司法考试,无需微调一类试题达人类水平,做题家实锤

更新时间:2023-01-04 16:05:12作者:智慧百科

ChatGPT大战司法考试,无需微调一类试题达人类水平,做题家实锤

杨净 明敏 发自 凹非寺
量子位 | 公众号 QbitAI

ChatGPT的下一个新身份——做题家!

这不,它已经在人类各个考试中开“卷”了。

律师、医生、注会什么的,它都开始纷纷展露身手。

比如,全球考生都头疼的司法考试,现在ChatGPT在两项试题达到了合格率,其中一项还跟人类水平持平。(还是在没有任何微调的基础上)



“成绩”一出,瞬间引发巨大关注,网友:Amazing~



还有人表示,要是让它来参加SAT或AP考试,应该会很有趣。



咳咳,要是公务员考试呢?

咱们结尾见分晓!

两项法考试题合格

具体就先来看看ChatGPT在司法考试中的表现如何。

美国大多数州统一的司法考试(UBE),有三个组成部分:选择题(多州律师考试,MBE)、作文(MEE)、情景表现(MPT)。

选择题部分,由来自8个类别的200道题组成,通常占整个律师考试分数的50%。



在这项研究中,研究人员对OpenAI的text-davinci-003模型(通常被称为GPT-3.5)在MBE的表现进行评估。

(ChatGPT正是GPT-3.5面向公众的聊天机器人版本。)

为了测试实际效果,研究人员购买了官方组织提供的标准考试准备材料,包括练习题和模拟考试。每个问题的正文都是自动提取的,其中有四个多选选项,并与答案分开存储,答案仅由每个问题的正确字母答案组成,也没有对正确和错误的答案进行解释。

随后,研究人员分别对GPT-3.5进行了提示工程、超参数优化以及微调的尝试。结果发现,超参数优化和提示工程对GPT-3.5的成绩表现有积极影响,而微调没有任何效果。

在提示工程中,他们共测试了7种提示类型。



研究人员在上述的提示和参数值中执行了107次样本考试。结果在这些提示中,提示风格#7的前三个选项排序表现最好,他们共收集了41个样本,对这个提示进行参数组合。

超参数优化中,他们评估了包括温度系数、top p、best of、max tokens等参数。

最终在完整的MBE练习考试中达到了50.3%的平均正确率,大大超过了25%的基线猜测率,并且在证据和侵权行为两个类型都达到了平均通过率。尤其是证据类别,与人类水平持平,保持着63%的准确率。



在所有类别中,GPT平均落后于人类应试者约17%。在证据、侵权行为和民事诉讼的情况下,这一差距可以忽略不计或只有个位数。

但总的来说,这一结果都大大超出了研究人员的预期。

因为它对答案排序与正确性有很强的相关性,Top2和Top3的选择分别有71%和88%的正确率。其中“Top2”的准确率全都超过了极限,有五个类别均超过了人类平均水平。而“Top3”的准确度更高,在证据这一表现中甚至达到了98%。

这也证实了它对法律领域的一般理解,而非随机猜测。接下来他们将进一步对法考的其他两部分:作文和情景表现进行上述的研究。

ChatGPT能当考霸吗?

谷歌资深软件工程师肯尼斯·古德曼(Kenneth S. Goodman)就拿ChatGPT做了一系列测试,涉及司法、医学、会计学、化学等多个领域。

分数最高的一门是纽约州高中毕业英语语言艺术考试,ChatGPT正确率达到了91.6%

因为是2022年8月的考试,所以ChatGPT数据库中肯定不包含考试内容。对于陌生的24道考题,它只错了2题。



物理/化学考试中,ChatGPT的表现也不错,正确率达到了77.7%,45道题目中答对了35道。



前不久,谷歌医疗大模型Med-PaLM通过美国医师执照试题(USMLE)验证。

ChatGPT也不甘于落后,同样挑战了USMLE的第一阶段基础医学考试。

去掉有图像的题目后(因无法输入对话框),ChatGPT正确率达70%



其余则是在司法方面,工程师肯尼斯老哥让ChatGPT尝试了一些非正式题目。

比如美国律师职业道德考试(MPRE)的示例题目(共15道),ChatGPT答对了9道,正确率60%

面对50道律师资格考试模拟试题,ChatGPT的正确率也维持在了70%,答对35道。

此外,在佛罗里达农工大学法学院的入学考试中,ChatGPT取得了149分,排名在前40%。其中阅读理解类题目表现最好。



表现最差的,还是数学题

在CPA注会考试中,ChatGPT的正确率只有40%。肯尼斯老哥还在尝试一些调教方法,让它更聪明一些。



总之,ChatGPT在各种考试中的表现,还是让人有些意外。

有网友已经产生危机感了:

damn,我的工作要被抢了!



有人分析,如果直接让AI来插手司法相关的判断,风险真的很大,但如果后期有专人来审核它的输出结果,那么AI将能够很好提升律师的工作效率。



还有人表示,如果能保证任何数据都不泄露的话,那ChatGPT将能够推动更多行业平民化。



或许正如肯尼斯老哥说的那样,人类+电脑的组合已经超越了人类自身能力,这就是计算机当下正在进行的突破。



One More Thing

最后,我们也让ChatGPT试了试国内法考的题目~

先说结果,3道选择题,ChatGPT都没有答对……虽然解释得头头是道,但它应该确实没有读过我国的法条。



△参考答案D

(这答案罗翔老师看了直摇头)



△参考答案A

换成公务员行测试题呢?没想到ChatGPT的答案对了,可是过程和答案似乎完全没关系……



这……怎么感觉AI秒算结果,但随便编了个过程来糊弄人类啊~

参考链接:
[1]https://twitter.com/_akhaliq/status/1609734525461975040
[2]https://github.com/mjbommar/gpt-takes-the-bar-exam
[3]https://arxiv.org/abs/2212.14402
[4]https://twitter.com/pythonprimes/status/1601664776194912256