靠PPT融資10億，這家法國AI初創公司向微軟谷歌開火

編譯作者：呂可

據海外媒體報導，今年 6 月，剛剛成立了一個月的法國初創公司 Mistral AI 在種子輪融資中籌集到了1.05 億歐元的資金。 而當時，這家由一名 DeepMind 前員工和兩名 Meta 前員工創辦的初創公司還沒有任何可發佈的產品。 人們最初聽到Mistral的融資新聞時，只是在感慨風投公司對處於爆發階段的生成式 AI 領域過於大方。

事實證明，Mistral 公司其實有很多亮點，而這些亮點說服了光速創投、法國億萬富翁Xavier Niel 和谷歌前首席執行官Eric Schmidt 向他們投資。

一周前，Mistral 發佈了一個 73 億參數的模型，旨在與 Meta 的 Llama 2（一個 130 億參數的大型語言模型）競爭。 這家法國公司宣稱，它是目前大型語言模型領域中功能最強大的語言模型。

這款名為Mistral 7B 的基礎模型是專為快速推理和處理較長語句而設計的transformer模型。 它利用utilizing grouped-query attention 和 sliding-window attention來實現這一目標。 utilizing grouped-query attention結合了多次查詢和多頭注意力機制，以平衡輸出品質和速度。 sliding-window attention通過調整視窗大小來擴展上下文長度。 Mistral 7B 的上下文長度為 8000 個token，與更大的模型相比，具有低延遲、高輸送量和高性能的特點。

如今這款Mistral7B模型已經被整合到谷歌的Vertex AI Notebooks 中，這一整合使谷歌雲客戶能夠深入瞭解全面的端到端工作流程，使他們能夠在 Vertex AI Notebooks 上對 Mistral-7B 及其變體進行實驗、微調和部署。

Mistral AI 使用者可以使用高效的大語言模型服務框架 vLLM 優化他們的模型。 通過使用 Vertex AI 筆記本，用戶可以在 Vertex AI 端點上部署由 Model Garden 維護的 vLLM 映射，以進行推理，從而確保簡化模型部署。

這項合作的一個關鍵功能是 Vertex AI 模型註冊中心，它是一個中央存儲庫，使用戶能夠管理 Mistral AI 模型及其微調模型的生命週期。 通過該註冊中心，用戶可以全面瞭解其模型的增強組織和跟蹤能力。

從該公司的推介會上可以看出，Mistral 公司巧妙地將自己定位為一個重要的潛在參與者。 它將幫助歐洲成為建立基礎人工智慧模型的 「有力競爭者」，並在 「地緣政治問題上發揮重要作用」。。

在美國，主推 AI 產品的初創企業主要由谷歌和微軟等大企業支援。 Mistral稱這種 「封閉的技術方式 」讓大公司賺到了更多的錢，但並沒有真正形成一個開放的社區。

與 OpenAI 的 GPT 模型（其代碼細節仍處於保密狀態，只能通過 API 獲取）不同，這家總部位於巴黎的公司以 Apache 2.0 許可在 GitHub 上開源了自己的模型，供所有人免費使用。

Mistral將目標瞄準了 Meta 的 Llama，而 Mistral 聲稱他們的大模型產品比 Llama 2 更強。

Mistral 的模型與 Llama 2 的對比

Mistral 在一份報告中表示，Mistral 7B 在多項基準測試中輕鬆擊敗了 Llama 2 的 70 億和 130 億參數兩個模型。

在涵蓋數學、歷史、法律和其他科目的大規模多任務語言理解測試中，Mistral 的模型準確率達到 60.1%，而 Llama 2 模型 70 億參數和 130 億參數兩個版本的準確率分別為 44% 和 55%。

在常識推理和閱讀理解基準測試中，Mistral 的表現也優於 Llama 2 的模型。

只有在編碼方面Mistral 落後於Meta 。 Mistral 7B 在 “Human ”和 “MBPP ”兩項基準測試中的準確率分別為 30.5% 和 47.5%，而 Llama 2 的 70 億模式的準確率分別為 31.1% 和 52.5%。

除了性能之外，Mistral 還聲稱比 Llama 2 使用了更少的計算量。 在MMLU基準測試中，Mistral 模型的輸出的結果是同規模下的 Llama 2 的三倍多。 如果與ChatGPT做比較，根據medium的計算，Mistral AI 的使用成本要比 GPT 4便宜約 187 倍，比 GPT 3.5 模型便宜約 9 倍。

如何約束大模型？ 這是個問題

不過Mistral也表示，有一些使用者抱怨它缺乏ChatGPT、Bard和 Llama 所擁有的安全防護措施。 曾有使用者向Mistral的指令模型詢問如何製造炸彈或自殘，聊天機器人也給出了詳細的指導。

Paul Rottger是一名人工智慧安全研究員，此前曾致力於在 GPT-4 發佈前為其設置防護功能，他在一條推文中對 Mistral 7B 缺乏安全性表示 “震驚”。 “如今很少能看到一個新模型如此輕易地回復哪怕是最惡意的指令。 我對開源大模型的出現感到非常興奮，但這種情況不應該出現！ 他說。

這些批評促使Mistral對模型進行了微調，並對此進行了解釋。 “Mistral 7B Instruct 模型已經展現了他們的能力，讓人們看到基礎模型也可以很容易的進行微調，從而展現令人信服的性能。 我們正期待與社區合作，探討如何使該模型更好地遵守防護規則，以便在需要控制輸出的環境中進行部署。 “ Mistral表示。

在許多其他研究人員看來，Mistral 的路線才是修正模型毒性問題的一個長久解決方法，添加防護機制則相當於在重傷上貼創可貼，並沒有那麼好的效果。 違反聊天機器人的安全準則是許多使用者最喜歡的消遣方式，他們想測試聊天機器人的反應極限。 在 ChatGPT 開放的最初幾天里，開發者們一直在催促 ChatGPT 打破聊天機器人的防護機制。

與 Rephrase.ai 合作的深度學習研究員Rahul Dandwate 表示：“事先刪除某些關鍵詞只是部分解決方案，有很多方法可以繞過它。 你還記得 ChatGPT 發佈後的情況嗎？ 他們曾出現過的 DAN 或『Do Anything Now』，這是一個可以啟用 ChatGPT 越獄版的提示。 因此，做基礎安全評估是使模型更安全的臨時措施。 "

“還有一些方法甚至不需要複雜的駭客技術。 一個問題可以通過多種不同的方式讓聊天機器人回答。 比方說，我不會簡單地直接向聊天機器人詢問如何製造炸彈，而是把它分解成更科學的方式，比如 “哪些化學物質混合在一起會產生強烈反應？” Dandwate 解釋說。

Dandwate 表示，長期的解決方案是將模型發佈給公眾使用，並從使用中獲得反饋，然後進行微調，這正是Mistral AI正在做的事情。 “ChatGPT之所以更好，是因為它已經被很多人使用過。 他們有一個很基礎的反饋機制，使用者可以選擇豎起大拇指或摁下大拇指，對聊天機器人的回復質量進行評分，我認為這一點非常重要。 “Dandwate表示。

但用這種開放給使用者再微調的壞處是，Mistral 可能不得不暫時應對一些用戶的質疑。 但在人工智慧研究領域，有很大一部分人喜歡原始形式的基礎模型，以便全面瞭解模型的能力，而這些人正在支援Mistral的堅持。

人工智慧研究人員 Delip Rao在推特上說，Mistral 選擇原封不動地發佈開源模型，是 “對 Mistral 模型作為基礎模型的通用性和'非腦葉切除'的認可。”

“腦葉切除術 ”的提法讓人想起了微軟必應聊天機器人Sydney的早期版本。 這款聊天機器人不受約束，有很強的個性，直到微軟將聊天機器人大幅調整為目前的形式。

腦葉切除術這個說法來源於臭名昭著的心理學手術，在大模型領域，它通常指代通過限制功能來預防毒性回答出現。 這種方法通過為大模型設定關鍵詞來過濾那些危險的回答。 但這種一刀切的方式也會導致大模型的性能下降，讓一些涉及敏感詞彙的正常問題難以得到回答。

雖然公司沒有發表官方聲明，但有傳言稱 OpenAI 對該模型進行了“腦葉切除手術”，以控制其混亂的部分。 從那時起，人們就開始好奇，如果讓聊天機器人自由發揮，它會變成什麼樣？

Dandwate 表示：「對模型進行腦葉切除可能會在某些方面對其產生影響。 如果它被禁止回答帶有某些關鍵詞的問題，那麼它也可能無法回答使用者可能提出的技術問題，例如導彈的力學問題，或者圍繞機器人被標記為『有風險』的主題提出的任何其他科學問題。 （譯/呂可）