ChatGPT大战司法考试，无需微调一类试题达到人类水平！医学化学公务员试题都能答

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。

• 1、只做单项选择；
• 2、单项选择和解释；
• 3、只做前两个选择；
• 4、前两个选择和解释；
• 5、前两个选择和重新提示；
• 6、对所有选择进行排序；
• 7、对前三个选择进行排序。

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