AI研究前沿：大模型如ChatGPT的过度训练现象，公开文本数据将在2026年前耗尽？

Epochai，一个专注于AI研究的机构，发布了一份研究报告，揭示了大模型训练数据的惊人消耗速度。当前，公开的高质量文本训练数据约为300万亿tokens，但随着ChatGPT等大模型的参数增多和过度训练，数据需求呈指数增长，预计2026年至2032年间将耗尽所有数据。过度训练是加速数据消耗的主要因素，以Meta的Llama3 8B版本为例，其过度训练程度高达100倍，远超其他模型。尽管过度训练能节省推理成本，但也可能导致模型学习过多噪音。此外，大模型的参数与训练数据比例超过最佳比例，可能增加数据需求，但降低推理阶段的计算成本。

当公开数据耗尽时，有四种获取新训练数据的方法：1) 合成数据，利用深度学习模拟真实数据，但质量可能较差；2) 多模态和跨领域数据学习，结合不同类型的多模态信息，如GPT-4o等模型；3) 私有数据，尽管存在隐私和安全挑战，但潜力巨大；4) 实时交互学习，让模型直接与真实世界互动，提高自主性和适应性，但对模型要求更高。

本文来源：