這個星期，OpenAI 大模型 GPT-4 的發(fā)布讓全球科技圈的技術(shù)競爭進入了白熱化。幾天之內(nèi)，ChatGPT、必應搜索和 Microsoft 365 相繼接入 GPT-4，微軟的 AI 應用瞬間比競爭對手拉開一個身位，甚至有人說，新的工業(yè)革命開始了。

【資料圖】

一方面我們被 GPT-4 的效果所震撼，一方面我們也迫不及待的想要了解背后的技術(shù)，好奇它的訓練方法、使用的算力等。

但遺憾的是，OpenAI 并不 Open。在公開的論文（其實更像技術(shù)報告）中，OpenAI 明確地說，GPT-4 模型使用 RLHF 精調(diào)外，不會公開任何技術(shù)細節(jié)。

鑒于 GPT-4 等大型模型的競爭性與安全影響，本報告不包含有關(guān)架構(gòu)（包括模型大?。⒂布⒂柧氂嬎?、數(shù)據(jù)集構(gòu)建、訓練方法等更多詳細信息。

不過，在此報告中，OpenAI 詳細列出了貢獻者及其負責的工作內(nèi)容。這值得我們細致研究。這幾百人的貢獻者名單與分類，能讓我了解到 GPT-4 的成功背后包含了哪些部門、技術(shù)分枝的努力。

在這篇文章中，我們對有代表性的貢獻者進行了盤點，期待能為讀者帶來啟發(fā)。

研發(fā)人員占絕大多數(shù)

從組織架構(gòu)的設置上看，GPT-4 幕后的研發(fā)團隊大致可分為七個部分：預訓練（Pretraining）、長上下文（Long context）、視覺（Vision）、強化學習 & 對齊（RL & alignment）、評估 & 分析（Evaluation & analysis）、部署（Deployment），以及其他貢獻者（Additional contributions）。

預訓練部分的工作細分為：

計算機集群擴展（Compute cluster scaling）

數(shù)據(jù)（Data）

分布式訓練基礎設施（Distributed training infrastructure）

硬件正確性（Hardware correctness）

優(yōu)化 & 架構(gòu)（Optimization & architecture）

Training run babysitting

長上下文部分的工作細分為：

長上下文研究（Long context research）

長上下文內(nèi)核（Long context kernels）

視覺部分的工作細分為：

架構(gòu)研究（Architecture research）

計算機集群擴展（Compute cluster scaling）

分布式訓練基礎設施（Distributed training infrastructure）

硬件正確性（Hardware correctness）

數(shù)據(jù)（Data）

對齊數(shù)據(jù)（Alignment Data）

Training run babysitting

部署 & 后訓練（Deployment & post-training）

強化學習 & 對齊部分的工作細分為：

數(shù)據(jù)集貢獻（Dataset contributions）

數(shù)據(jù)基礎設施（Data infrastructure）

ChatML 格式（ChatML format）

模型安全（Model safety）

Refusals

基礎 RLHF 和 InstructGPT 工作（Foundational RLHF and InstructGPT work）

Flagship training runs

代碼功能（Code capability）

評估 & 分析部分的工作細分為：

OpenAI Evals 庫

模型等級評估基礎設施（Model-graded evaluation infrastructure）

加速預測（Acceleration forecasting）

ChatGPT 評估

能力評估（Capability evaluations）

編碼評估（Coding evaluations）

真實世界用例評估（Real-world use case evaluations）

污染調(diào)查（Contamination investigations）

指令遵循和 API 評估（Instruction following and API evals）

新功能評估（Novel capability discovery）

……

細讀貢獻者名單，不難發(fā)現(xiàn)，GPT-4 項目團隊的成員通?！干砑鏀?shù)職」。對于希望追趕 ChatGPT 的科技公司來說，OpenAI 提供的部門架構(gòu)樣板提供了一些可以學習的思路。另外，它對于 AI 領域人才的未來發(fā)展方向或許也有一些啟示。

在 ChatGPT 發(fā)布之后，OpenAI 在人才招聘方面也做出了一些調(diào)整，招募了數(shù)十名前谷歌和 Meta 員工來創(chuàng)建人工智能聊天機器人。

在 OpenAI 上，谷歌作為「硅谷黃埔軍?！沟拿^算是坐實了：根據(jù) LeadGenius 和 Punks & Pinstripes 的數(shù)據(jù)顯示，該公司的 300 多名員工（數(shù)據(jù)截止到 2023 年 1 月）中有許多來自谷歌和 DeepMind 的母公司 Alphabet。數(shù)據(jù)顯示，OpenAI 目前雇傭了約 59 名谷歌前員工和約 34 名 Meta 前員工，同時包括幾名蘋果和亞馬的前遜員工。

鑒于 OpenAI 在 GPT-4 發(fā)布的第一時間就公開了所有貢獻者名單，機器之心整理了一部分參與工作的華人學者。如果遺漏，歡迎補充。

預訓練組

Trevor Cai

Trevor Cai 是 GPT-4 項目中吞吐量團隊的負責人。Trevor Cai 本碩畢業(yè)于南加州大學，2022 年 3 月加入 OpenAI。在加入 OpenAI 之前，Trevor Cai 曾在 DeepMind 工作近 5 年，擔任軟件工程師。

袁啟明

袁啟明（Qiming Yuan）是 GPT-4 項目數(shù)據(jù)集來源和處理團隊的負責人。袁啟明本科畢業(yè)于清華大學，碩士畢業(yè)于得克薩斯大學奧斯汀分校，2018 年加入 OpenAI。此前，袁啟明曾在微軟工作近三年。

Che Chang

Che Chang 作為 OpenAI 的副總法律顧問參與了 GPT-4 的研發(fā)，他博士畢業(yè)于美國西北大學，2021 年加入 OpenAI，此前在 AWS 領導了人工智能 / 機器學習和市場業(yè)務的法律團隊。最近一段時間，OpenAI 的法律團隊還在招聘 AI 產(chǎn)品顧問。

歐陽龍

歐陽龍 2019 年加入 OpenAI，擔任研究科學家。Long Ouyang 本科畢業(yè)于哈佛大學，博士畢業(yè)于斯坦福大學，曾在斯坦福大學任博士后研究員。歐陽龍也參與研發(fā)了 ChatGPT 相關(guān)的技術(shù)項目，他還是 InstructGPT 論文的第一作者。

翁麗蓮

翁麗蓮（Lilian Weng）是 OpenAI 人工智能應用研究的負責人，2018 年加入 OpenAI，在 GPT-4 項目中主要參與預訓練、強化學習 & 對齊、模型安全等方面的工作。

Tao Xu

Tao Xu 2019 年加入 OpenAI，先后畢業(yè)于北京大學、康奈爾大學。Tao Xu 曾在微軟的必應機器學習研究組工作四年。

Jie Tang

Jie Tang 在加州大學伯克利分校獲得計算機科學博士學位，導師是 Pieter Abbeel。加入 OpenAI 前，他曾在初創(chuàng)公司和 Dropbox 工作約四年時間。Jie Tang 本科就讀于哈佛大學，2008 年獲得計算機科學和經(jīng)濟學學士學位。

Ben Wang

Ben Wang 目前是賓夕法尼亞大學本科生，2021 年加入 OpenAI。Ben Wang 參與了 GPT-4 項目的預訓練和長上下文方面的工作。

視覺組

Mark Chen

Mark Chen 2018 年加入 OpenAI，任研究科學家，畢業(yè)于麻省理工學院（MIT）。他參與了 GPT-4 項目中視覺方面的工作。

Casey Chu

Casey Chu2020 年加入 OpenAI，畢業(yè)于斯坦福大學計算數(shù)學專業(yè)。Casey Chu 的主要研究方向是多模態(tài) AI 系統(tǒng)，他在 GPT-4 項目中主要參與視覺方面的工作。

胡繩麗

胡繩麗（Shengli Hu）2022 年加入 OpenAI，她碩士畢業(yè)于復旦大學、博士畢業(yè)于康奈爾大學。她的研究興趣在于社會科學、計算語言學、計算機視覺和語音的跨學科研究。胡繩麗曾在自然語言處理、計算機視覺、語音和應用統(tǒng)計方面的頂級會議和期刊上發(fā)表過多篇論文，包括 CVPR、ACL、EMNLP、ECCV 等等，并獲得過最佳論文獎提名。

Tianhao Zheng

Tianhao Zheng2022 年加入 OpenAI。他本科畢業(yè)于清華大學，博士畢業(yè)于得克薩斯大學奧斯汀分校。再加入 OpenAI 之前，他曾先后在英偉達、谷歌、Twitter 工作過。Tianhao Zheng 在 GPT-4 項目中主要參與了視覺方面的工作。

翁家翌

翁家翌（Jiayi Weng）2020 年在清華大學計算機科學與技術(shù)系獲得本科學位。2021 年在 Sea AI Lab 實習期間，主要參與了強化學習算法庫 Tianshou（天授）的開發(fā)，該項目已獲得 5.9K GitHub Star。CMU 碩士畢業(yè)后，翁家翌加入 OpenAI 任研究工程師。

強化學習 & 對齊組

Chong Zhang

Chong Zhang 2010 年就讀浙江大學計算機系，2014 年在加拿大西蒙弗雷澤大學獲得學士學位，隨后在谷歌、蘋果公司擔任工程師。2019 年就讀加州大學洛杉磯分校，2021 年獲得計算機碩士學位后，在 OpenAI 工作至今。

Shengjia Zhao

Shengjia Zhao2016 年本科畢業(yè)于清華大學，2022 年在斯坦福大學獲得計算機科學博士學位，師從 Stefano Ermon，隨后加入 OpenAI。

Stephanie Lin

Stephanie Lin 本科和碩士期間分別就讀于麻省理工學院和佐治亞理工學院。加入 OpenAI 之前，她曾是牛津大學研究學者。

Tong Mu

Tong Mu 本科就讀于加州大學洛杉磯分校，后在斯坦福大學獲得博士學位。2022 年加入 OpenAI。

Jeff Wu

Jeff Wu 本碩均就讀于麻省理工學院。他是初創(chuàng)公司 Terminal.com 的第二名員工，該公司被收購后，他曾在谷歌工作約 2 年的時間。2018 年，Jeff Wu 加入 OpenAI。

肖凱

肖凱（Kai Xiao）在麻省理工學院獲得了學士學位和博士學位，曾在微軟、DeepMind 等機構(gòu)實習。2022 年 9 月加入 OpenAI。

Kevin Yu

Kevin Yu 在加州大學伯克利分校獲得物理學學士學位及神經(jīng)科學博士學位。2022 年加入 OpenAI。

Haozhun Jin

Haozhun Jin2013 年本科畢業(yè)于清華大學計算機系，2015 年獲得斯坦福大學碩士學位。2015 年到 2018 年，他在 Meta 擔任軟件工程師，2023 年 1 月加入 OpenAI。

顧世翔

顧世翔是出生于日本的加拿大華人，曾是谷歌研究院研究科學家，研究領域包括深度學習、強化學習、概率機器學習和機器人技術(shù)。他擁有劍橋大學和馬普所智能系統(tǒng)研究所的機器學習博士學位，在多倫多大學獲得了工程科學學士學位，論文指導教授為 Geoffrey Hinton。

評估 & 分析團隊

Alvin Wang

Alvin Wang2022 年 8 月加入 OpenAI，為評估 & 分析團隊核心貢獻者之一。此前他曾在 VMware、Tesla 等公司工作過幾年。2013 年本科畢業(yè)于南加州大學。

Angela Jiang

Angela Jiang 于 2021 年 11 月加入 OpenAI，在微軟和谷歌有過短暫的工作經(jīng)歷，她本科畢業(yè)于西北大學，于 CMU 獲得博士學位。

Jason Wei

Jason Wei 于今年 2 月加入 OpenAI，主要研究 ChatGPT。此前他是谷歌 Brain 的高級研究科學家，在那里推廣了思維鏈提示，并共同領導了指令調(diào)優(yōu)工作。他在谷歌和 Jeff Dean 等人共同撰寫了關(guān)于大模型涌現(xiàn)能力的論文。

Juntang Zhuang

Juntang Zhuang 于 2022 年 4 月加入 OpenAI，此前曾在谷歌實習四個月。他本科畢業(yè)于清華大學，碩士畢業(yè)于耶魯大學，并在耶魯大學拿到博士學位。他的研究主要是為生物醫(yī)學應用開發(fā)新的機器學習技術(shù)。

Derek Chen

Derek Chen 于 2021 年加入 OpenAI，是一名技術(shù)安全分析師。他畢業(yè)于美國東北大學，此前在谷歌工作過不到一年的時間。

宋飏

宋飏（Yang Song）目前在 OpenAI 擔任研究員，并將于 2024 年 1 月加入加州理工學院電子系（Electrical Engineering）和計算數(shù)學科學系（Computing and Mathematical Sciences）擔任助理教授。宋飏本科畢業(yè)于清華大學數(shù)理基礎科學班，2022 年獲得斯坦福大學計算機科學博士學位，師從 Stefano Ermon。他的主要研究方向是機器學習，包含深度生成式模型（deep generative models），概率推理（probabilistic inference），人工智能安全性（AI safety），以及人工智能方法與其他科學領域的交叉（AI for science）。他是擴散模型（diffusion models）和分數(shù)匹配生成式模型（score-based generative models）的主要奠基人之一。他發(fā)表在 NeurIPS 2019 的工作首次在圖片生成質(zhì)量上實現(xiàn)了對生成對抗網(wǎng)絡（GAN）的超越。博士期間他的一作論文獲得了 ICLR 2021 杰出論文獎，相關(guān)研究獲得了蘋果獎學金、摩根大通獎學金，以及 WAIC 云帆獎。

模型部署

Michael Wu

Michael Wu 2021 年加入 OpenAI，主要的工作是人工智能應用研究。Michael Wu 畢業(yè)于 MIT，是 GPT-4 項目的推理研究負責人。

Andrew Peng

Andrew Peng 2022 年底加入 OpenAI，他曾經(jīng)在微軟工作兩年。Andrew Peng 畢業(yè)于加州大學伯克利分校，主要參與 GPT-4 API 和 ChatML 部署方面的工作。

吳雪楓

吳雪楓（Sherwin Wu）2022 年加入 OpenAI，主要的工作是人工智能應用及 API 開發(fā)。吳雪楓畢業(yè)于 MIT，在 GPT-4 項目中主要參與 API 開發(fā)和 ChatML 部署方面的工作。

Jason Chen

Jason Chen 本科就讀于麻省理工學院，2007 年到 2014 年期間在谷歌擔任軟件工程師，2014 年到 2019 年任職于初創(chuàng)公司 Apptimize，2019 年到 2023 年 2 月任職于 Argo AI，2023 年 2 月加入 OpenAI。

其他貢獻者

Xin Hu

Xin Hu 于 2022 年 6 月加入 OpenAI，主要負責開發(fā)用于云安全、k8s 安全、認證 / 授權(quán)和訪問控制的安全服務和平臺。

此外，在 GPT-4 的開發(fā)上 OpenAI 也對微軟表示了感謝，特別是微軟 Azure 服務為模型訓練提供了基礎架構(gòu)設計和管理方面的支持，微軟必應團隊、安全團隊也對 GPT-4 的部署等工作作出了貢獻。

參考鏈接：

https://openai.com/contributions/gpt-4?continueFlag=ee0eebd278339fc5ba428add63b4b4fd

https://cdn.openai.com/papers/gpt-4-system-card.pdf

關(guān)鍵詞：