|
|
智东西（公众号：zhidxcom）
! p8 o# _- {/ a1 ?5 L" y编译 | ZeR0, A! `+ Z! _* s) w
编辑 | 漠影
( U. k \$ |* T智东西 3 月 15 日消息，今日凌晨，万众瞩目的大型多模态模型 GPT-4 正式发布！
! g" V9 Q( S0 D: E- xOpenAI 发文称，GPT-4 能接受图像和文本输入，输出文本内容，虽然在许多现实场景中的能力不如人类，但在各种专业和学术基准测试中已做到人类水平的表现。9 y) U- x1 i" O1 d, K
& ~+ x& H9 ~4 z. Q
1 z" V8 ?( Y$ Y9 m R: s! G# ~/ q! m" {: I: y2 _( {
它强大到什么程度呢？输入一张手绘草图，GPT-4 能直接生成最终设计的网页代码。
7 ^: ~! `# f$ N3 ?9 Q- o" Y1 F. U: o
8 T$ @2 ?( N# \
" f' _, x( p8 C: O
它以高分通过各种标准化考试：SAT 拿下 700 分，GRE 几乎满分，逻辑能力吊打 GPT-3.5。! v) M" H1 T' K/ Y; ^7 z
" X3 t6 H- a" Q9 A) r) A' Q3 ^. j" S! y0 S1 X
3 n+ T8 z) p# K' u! A
GPT-4 在高级推理能力上超越 ChatGPT。在律师模拟考试中，ChatGPT 背后的 GPT-3.5 排名在倒数 10% 左右，而 GPT-4 考到了前 10% 左右。
; ~! s$ d7 A6 y; R! V& _GPT-4 的长度限制提升到 32K tokens，即能处理超过 25000 个单词的文本，并且可以使用长格式内容创建、扩展对话、文档搜索和分析等。% s* K! y8 d7 ]$ a+ G
OpenAI 还贴心地发布了 GPT-4 开发者视频，手把手教你生成代码、检查错误信息、报税。OpenAI 联合创始人兼总裁 Greg Brockman 还说了句有点扎心的话：" 它并不完美，但你也一样。"
0 l; ~6 @* V' x
: G! O% R/ g0 ^' E& k5 S: O$ H- L" b& a5 J/ L* c
. P& t/ e; H9 S# H, r7 L: [" k' D
OpenAI 正通过 ChatGPT 和 API 发布 GPT-4 的文本输入功能，图像输入功能暂未开放。ChatGPT plus 订阅者可直接获得有使用上限的 GPT-4 的试用权，4 小时内最多只能发布 100 条信息。开发者也可以申请 GPT-4 API，进入候补名单等待通过。# t+ t- X! L, J, m% y9 w
9 _8 V# m6 d. M' d) }; A# @( k2 c* j, ?+ h" c4 j
% j. m- w, e3 n) t. _8 a
申请直通门：http://t.cn/A6ClOHn7
, N% |; i4 U+ N$ E/ K1 W随着时间的推移，OpenAI 会将其自动更新为推荐的稳定模型（你可以通过调用 gpt-4-0314 来锁定当前版本，OpenAI 将支持到 6 月 14 日）。定价是每 1k prompt tokens 0.03 美元，每 1k completion tokens 0.06 美元。默认速率限制是每分钟 40k tokens 和每分钟 200 个请求。
4 U* o o- B# I- k, | _( I" Fgpt-4 的上下文长度为 8192 个 tokens。还提供对 32768 个上下文（约 50 页文本）版本 gpt-4-32k 的有限访问，该版本也将随着时间的推移自动更新（当前版本 gpt-4-32k-0314，也将支持到 6 月 14 日）。价格是每 1k prompt tokens 0.06 美元，每 1K completion tokens 0.12 美元。
9 e. D% d& R/ l# J. @* H此外，OpenAI 还开源了用于自动评估 AI 模型性能的框架 OpenAI Evals，以便开发者更好的评测模型的优缺点，从而指导团队进一步改进模型。. ]; e! {0 q. u/ X4 A: C3 U+ W
开源地址：github.com/openai/evals$ X* {$ {! k4 |
一、GPT-4 升级成 " 考霸 "，基准测试表现大大优于现有大模型2 y9 d) n: Q. B% v, s
如果是随意聊天，你可能不太能感受出 GPT-3.5 与 GPT-4 之间的区别。但当任务的复杂性达到足够的阈值时，GPT-4 将明显比 GPT-3.5 更可靠、更有创意，并且能够处理更细微的指令。
# N7 I; |+ u3 W. P1 u为了了解这两种模型之间的区别，OpenAI 在各种基准测试中进行了测试，包括最初为人类设计的模拟考试。他们使用了最新的公开试题（在奥林匹克竞赛和 AP 自由答题的情况下）或购买 2022-2023 年版的模拟考试题。
, V% T) |1 z* u, w( G; m: D8 q B4 wOpenAI 没有针对这些考试进行专门训练。在模型训练期间，考试中的少数问题被发现。但 OpenAI 认为结果具有代表性。详情可参见 GPT-4 论文（https://cdn.openai.com/papers/gpt-4.pdf）。
2 ^+ k: s, O7 n2 A
$ Y/ N1 _7 w$ `- a) u% \; e* @& t. v* x7 w8 j
7 p+ b. ~# N( g# ?- O- s! nOpenAI 还在为机器学习模型设计的传统基准测试中评估了 GPT-4。GPT-4 大大优于现有的大型语言模型以及大多数最先进的（SOTA）模型，其中可能包括基准特定的制作或额外的训练协议：5 U; S. C8 g3 g8 L7 A3 x
- ], K6 x- ~/ s
! x7 n2 v. t' T, D. j% P6 g! `/ Y
; c/ w/ e2 b4 O许多现有的机器学习（ML）基准测试都是用英语编写的。为了初步了解它在其他语言中的性能，OpenAI 使用 Azure Translate 将 MMLU 基准测试（一套涵盖 57 个主题的 14000 个多项选择题）翻译成各种语言。; R& K! s# R7 X: x
+ j+ f I5 @; c/ p \& c
1 {' u1 U5 W! ] i% |# H& K( ]) D5 F5 T+ d' T
在测试的 26 种语言中的 24 种中，GPT-4 优于 GPT-3.5 和其他大型语言模型（Chinchilla，PaLM）的英语表现，包括拉脱维亚语、威尔士语、斯瓦希里语等资源匮乏的语言。/ ]" B; m8 u* [3 U/ L5 E' b
( s# G) P: o1 \0 p4 L2 c; m) g; P# N
d: l* d; z* a" _2 u
* [# \& U! K* k8 @; w4 E8 {4 x% QOpenAI 也在内部使用 GPT-4，这对支持、销售、内容审核和编程等功能有很大影响。OpenAI 还使用它来协助人类评估 AI 输出，开始了其对齐策略的第二阶段。: _0 o0 }8 O: f- ~7 {' e* r& K
二、描述照片、看懂图表、解答论文
$ B( I( g$ S) K' L# A6 Q6 e9 QGPT-4 可以接受文本和图像提示，这与纯文本设置并行，允许用户指定任何视觉或语言任务。8 _" _$ w$ y6 r1 c9 g- _8 n0 Q
具体来说，给定由穿插的文本和图像组成的输入，它能够生成自然语言、代码等文本输出。在生成带有文本和照片的文档、图表或屏幕截图等方面，GPT-4 展示了与纯文本输入类似的功能。5 J" w: n9 w* W: N! c" b8 E
此外，GPT-4 还可以使用为纯文本语言模型开发的测试时（test-time）技术进行增强，包括少量标注数据（few-shot）和思维链（CoF，chain-of-thought）提示。图像输入仍处于研究预览阶段，尚未公开。
( \2 D9 T9 [3 e7 g0 bOpenAI 在官网展示了 7 个视觉输入的例子。
' B" t) O- K# p' [& } `, c% a" I1、描述多张图片内容，发现不合常理之处
2 Z% X0 O) t/ o/ U% z输入一张由三张图片拼成的图，用户输入 " 这张图有什么奇怪的地方？一张图一张图地描述 "，GPT-4 会分别对每张图中的内容进行描述，并指出这幅图把一个大而过时的 VGA 接口插入一个小而现代的智能手机充电端口是荒谬的。/ X% K/ D `& D# V0 B! t
% F1 m/ l9 V3 V+ h) H
* w+ x# j; U; M) k$ \6 r
9 D, o! C" D' D, [2、根据图表，推理作答0 E9 W2 q* k3 J4 u+ H
用户问格鲁吉亚和西亚的平均每日肉类消费量总和是多少，让 GPT-4 在给答案前提供一个循序渐进的推理，GPT-4 也能按需作答。
I5 M: |. f& s5 @$ H2 @1 D$ B( [8 C0 m' X% j6 N0 t8 k
0 {% k* b# h7 [
/ S5 K6 Q" b" L0 k+ M3、看图考试
) G9 x& J- l/ ^+ C( l$ e2 w6 r4 j& O# J用户也可以直接给一张考试题的照片，让 GPT-4 一步步思考作答。) e2 ^3 G$ u$ E. p+ g
m( S% f+ V" s4 l
1 H' t) q3 P' [& E) s+ Y0 F! i) D3 H' S, k3 l
4、简练指出图片的违和之处/ Y* H j( N/ b+ Y
用户问 " 这张图片有什么不寻常之处 " 时，GPT-4 简练地回答出 " 一名男子正在行驶中的出租车车顶上在熨衣板上熨烫衣服 "。
/ H$ `) y/ O& e
3 X0 v) T) S2 E' l V9 h- P* f% R4 D; l' v, H4 I
3 F" n5 \% Z% P6 o* y# C: B# _5、阅读论文，总结摘要与解释图表
2 _) b9 _5 ^1 f; s+ L/ x) }1 A$ J给几张论文的照片，GPT-4 可以做总结，也可以对用户指定的图片的内容进行展开解释。
% b" n$ O' e6 x3 O/ c7 j* U& c4 T; [# v9 m" I3 L6 \- O
+ ?6 D+ Y; x/ Q% Y7 W1 U: c% }( [8 @ g/ ]
6、解读 " 鸡块地图 "
5 p1 D) i- o7 E让 GPT-4 解释图中的模因（meme），GPT-4 回答说这是个笑话，结合了太空中的地球照片和鸡块这两个不相关的东西。
?2 X) S7 |8 ?! O8 Q$ ^/ {6 ?7 v; m% D7 D2 a7 m1 |
& S$ E4 p C+ F) N1 g
! [* d" Z# ^4 Z& T8 L
7、理解漫画含义
0 Q- O2 h6 [! R6 I* h5 B最后一个示例是让 GPT-4 解释这张漫画，GPT-4 认为它讽刺了统计学习和神经网络在提高模型性能方面的差异。
) o2 K' K% ~2 [
& G3 G8 ]' B0 w: v* w" I
5 N- \8 C) F/ H# J( G+ k4 \
( |; ?. X" r* k3 Z6 p7 gOpenAI 通过在一套狭窄的标准学术视觉基准上评估 GPT-4 的性能来预览。但这些数字并不能完全代表它的能力，因为 OpenAI 不断发现该模型能够处理的新的和令人兴奋的任务。7 l4 M: ?4 d: p, ^3 R
OpenAI 计划很快发布进一步的分析和评估数字，以及对测试时技术影响的彻底调查。: f: }$ q; g5 r7 D0 V& g! P
" x/ F/ ~+ f& t- _, c2 c
0 E! ]! m$ ]* {. t3 B' T9 _* v$ G; X% ^
此外，OpenAI 一直在研究其关于定义 AI 行为的文章中概述计划的各方面，包括可操纵性。与拥有固定冗长、语调、风格的 ChatGPT 不同，开发者（很快还有 ChatGPT 用户）现可通过在 " 系统 " 消息中描述这些方向来规定他们的 AI 的风格和任务。
; o) n; e7 i }$ M* }3 n系统消息（system messages）允许 API 用户在一定范围内自定义用户体验。OpenAI 将在这方面继续做改进（特别是知道系统消息是 " 越狱 " 当前模型的最简单方法，即对边界的遵守并不完美 ) ，但 OpenAI 鼓励用户尝试一下，并将想法告知他们。
! N4 n% {8 l6 T2 r! D% P9 \% Q关于可操纵性，OpenAI 展示了 3 个示例。8 ? | y. R M5 Z. N6 Q
第一个示例是让 GPT-4 作为一位总是以苏格拉底风格回应的导师，不直接给学生求解某个线性方程组的答案，而是通过将那个问题拆分成更简单的部分，引导学生学会独立思考。
8 S6 |" L4 R. Q b. V/ J# I
+ e& w: H; e# p" u: {' B$ e3 [) M! u; E
" x! }( R; Z* u& }* F
第二个示例是让 GPT-4 变成 " 莎士比亚的海盗 "，忠于自己的个性，可以看到它在多轮对话过程中时刻保持着自己的 " 人设 "。5 h/ ~+ j/ C# l" X0 y3 x9 P
' |; ^+ G6 \ v
8 _4 Y8 A, \7 g4 j
% m! f! g0 J; w/ F第三个示例是让 GPT-4 成为一名 AI 助手，总是用 json 编写响应输出，然后 GPT-4 的回答画风就变成了这样：& C7 A E; q0 v l
/ c( x4 x. x6 }7 J
' s2 y; A+ e! ]' J; K
( P& F* V! S/ [* Z j/ | 三、迄今最好的真实性、稳定性、可控性" l7 S" u9 F }
OpenAI 称其团队花了 6 个月的时间，使用对抗性测试程序和从 ChatGPT 得到的经验教训，对 GPT-4 进行迭代调整，在真实性、可控制性等方面取得了有史以来最好的结果（仍远非完美）。( {7 u" @) c# r V" k
过去两年里，OpenAI 重建了整个深度学习堆栈，并与微软 Azure 云平台一起为其工作负载从头开始共同设计了一台超级计算机。7 \4 b. O6 G; I- h
一年前，OpenAI 训练 GPT-3.5 作为系统的第一次 " 试运行 "，发现并修复了一些错误并改进了其理论基础。结果，GPT-4 训练运行（至少对 OpenAI 而言）前所未有地稳定，成为 OpenAI 能够提前准确预测其训练性能的第一个大型模型。0 ~% H2 \1 {( @8 L$ T# C0 l; e
随着继续专注于可靠的扩展，OpenAI 的目标是完善其方法，以帮助自身越来越多地提前预测和准备未来的能力。OpenAI 认为这对安全至关重要。# ^1 j- B" q) Q: r/ n9 m
与以前的 GPT 模型一样，GPT-4 基础模型经过训练可以预测文档中的下一个单词，并且使用公开可用的数据（例如互联网数据）以及 OpenAI 已获得许可的数据进行训练。这些数据是网络规模的数据语料库，包括数学问题的正确和错误解决方案、弱推理和强推理、自相矛盾和一致的陈述，并代表各种各样的意识形态和想法。
: s$ i9 B' i! j R( `$ c因此，当有问题提示时，基础模型能以多种方式进行响应，这些方式可能与用户意图相去甚远。为了使其与护栏（guardrails）内的用户意图保持一致，OpenAI 使用人类反馈强化学习（RLHF）对模型行为进行微调。) j; n& d' B. m1 d) M
需注意的是，模型的能力似乎主要来自预训练过程—— RLHF 并不会提高考试成绩（如果不积极努力，它实际上会降低考试成绩）。但是模型的控制来自训练后的过程——基础模型需要快速的工程设计来知道它应该回答问题。- J1 S( M; D/ o& y6 j. J
四、GPT-4 的局限性：不完全可靠/ u2 w+ \; W3 i- v( o0 I
尽管功能更加强大，但 GPT-4 与早期的 GPT 模型具有相似的局限性。1 a: H+ i8 f s6 ?2 o3 P( s* M; d; d6 J
最重要的是，它仍然不完全可靠（存在事实性 " 幻觉 " 并出现推理错误）。在使用语言模型输出时应格外小心，特别是在高风险上下文中，使用符合特定用例需求的确切协议（例如人工审查、附加上下文的基础或完全避免高风险使用） 。
( G8 _- t! V# t+ f3 q' `4 F! `7 U不过，GPT-4 相对于以前的模型（它们本身在每次迭代中都在改进）显著减少了幻觉。在 OpenAI 的内部对抗性真实性评估中，GPT-4 的得分比 GPT-3.5 高 40%。$ x4 q# O' w* U- B) K. {& _ S
! w `' Q. `1 x, {8 k2 l- s( g+ P
' d0 f2 d" P+ K
& V4 O- R: J1 U* M; l- s5 cOpenAI 在 TruthfulQA 等外部基准测试上取得了进展，它测试了模型将事实与对抗性选择的一组错误陈述分开的能力。这些问题与事实不正确的答案相匹配，这些答案在统计上很有吸引力。: H% ^" t6 ^5 q2 ^% q! Y2 d
" d* u: ~& [+ K) V- p& N' ]# N
# l. F/ H. e/ ^# N l: v8 T$ z3 m& S/ r$ K/ R- J6 ^; b
GPT-4 基本模型在这项任务上只比 GPT-3.5 稍微好一点；但在 RLHF 训练（应用与 GPT-3.5 相同的过程）后，存在很大的差距。+ N" A" p" [9 F9 k0 v
检查下面的一些例子，GPT-4 拒绝选择常见的谚语（你教不了老狗新技能，即 " 年老难学艺 "），但它仍然会遗漏一些微妙的细节（埃尔维斯 · 普雷斯利不是演员之子）。( E4 k% A6 y* O" @' o/ N3 B
; w4 U0 I Z3 @. c+ \( h
- J& V. z8 k5 U8 A/ A7 e! C3 I/ B& [& F2 \9 ~ i' b: b
GPT-4 的输出可能存在各种偏差，OpenAI 还有更多工作要做。
3 t5 P7 \; z* }. Q* U: aGPT-4 普遍缺乏对绝大部分数据中断后（2021 年 9 月）发生的事件的了解，也没有从经验中吸取教训。它有时会犯一些简单的推理错误，这些错误似乎与跨多个领域的能力不相称，或者在接受用户明显的虚假陈述时过于轻信。7 k4 \ V* w2 S3 _( ~
有时它会像人类一样在难题上失败，例如在它生成的代码中引入安全漏洞。
7 y8 D" Q; ?; }" W5 p$ `* zGPT-4 也可能自信地在其预测中犯错，在可能出错时没有仔细检查工作。有趣的是，基础预训练模型经过高度校准（它对答案的预测置信度通常与正确概率相匹配）。然而，通过 OpenAI 目前的后训练过程，校准减少了。7 R U u9 R9 w
+ I4 x7 ~" i. K+ X% u! s
% ^$ \9 M0 o0 e- C8 b$ q% E! \7 {; F, Y C; Z! b9 q3 O; X8 n' D5 }
五、OpenAI 如何规避风险？
5 V! O+ T1 [1 t2 Y) F" \OpenAI 一直在对 GPT-4 进行迭代，以使其从训练开始就更安全、更一致。其工作包括预训练数据的选择和过滤、评估和专家参与、模型安全改进以及监控和执行。, p- U" @, ?2 |3 ?% m8 v3 |/ N9 D) o
GPT-4 会带来与之前模型类似的风险，例如生成有害建议、错误代码或不准确信息。同时 GPT-4 的附加功能会带来新的风险面。
& Y/ O+ U+ X0 Q/ Y8 `* @为了了解这些风险的程度，OpenAI 聘请了 50 多位来自 AI 对齐风险、网络安全、生物风险、信任和安全以及国际安全等领域的专家来对模型进行对抗性测试。他们的发现使 OpenAI 能够在需要专业知识进行评估的高风险领域测试模型行为。这些专家的反馈和数据用于模型改进。/ Y/ b9 a4 r6 Y% D7 Z+ m
GPT-4 在 RLHF 训练期间加入了一个额外的安全奖励信号，通过训练模型拒绝对此类内容的请求来减少有害输出。奖励由 GPT-4 零样本分类器提供，该分类器根据安全相关提示判断安全边界和完成方式。为了防止模型拒绝有效请求，OpenAI 从各种来源收集了多样化的数据集，并在允许和不允许的类别上应用安全奖励信号（具有正值或负值）。+ B. X, V* ^9 ]' U7 d X( \' J, j5 }. E
与 GPT-3.5 相比，其缓解措施显著改善了 GPT-4 的许多安全特性，已将模型响应禁止内容请求的可能性降低了 82%，并且 GPT-4 根据 OpenAI 的政策响应敏感请求（如医疗建议和自我伤害）的频率提高了 29%。
3 B! }: p7 B& g: ]' t5 j5 c6 \* V. B3 V
) _9 k$ Y) y) ~0 n* u& S* w% F/ J4 \/ {' D/ B2 t( l
9 g4 n! E3 A2 |& C. B/ I R6 r& O4 t' u0 g3 I* w* D+ j
总的来说，OpenAI 的模型级干预提高了引发不良行为的难度，但依然无法做到完全规避。OpenAI 强调目前需用部署时安全技术（如监控滥用）来补充这些限制。. B% t7 Z2 }9 n$ Z
GPT-4 和后续模型有可能以有益和有害的方式对社会产生重大影响。OpenAI 正在与外部研究人员合作，以改进理解和评估潜在影响的方式，以及对未来系统中可能出现的危险功能进行评估，并将很快分享更多关于 GPT-4 和其他 AI 系统的潜在社会和经济影响的想法。( w5 W) ?/ {& |+ V& d9 S/ S* M% s
六、构建可预测扩展的深度学习堆栈
; ?& H' [! h1 B' N/ h; V1 K' EGPT-4 项目的一大重点是构建可预测扩展的深度学习堆栈。主要原因是，对于像 GPT-4 这样的非常大的训练运行，进行广泛的特定于模型的调整是不可行的。OpenAI 开发的基础设施和优化在多个尺度上具有非常可预测的行为。) N( m3 X1 d( s% W, p$ o$ A) c1 Z0 }
为了验证这种可扩展性，OpenAI 通过从使用相同方法训练但计算量减少到原来的 1/10000 的模型进行推断，准确预测了 GPT-4 在其内部代码库（不属于训练集）上的最终损失：; J9 O# Y$ B* A( d* N
' o8 _1 P4 z# r/ k6 E! Z
+ w; V+ ^( a7 |5 F2 e9 E9 A3 H7 d- _
现在 OpenAI 可以准确地预测其在训练期间优化的指标（损失），开始开发方法来预测更多可解释的指标，例如成功预测了 HumanEval 数据集子集的通过率，从计算量减少至原来的 1/1000 的模型推断：
* i% Y1 m4 ~* X# \8 c: N! g1 |
' z" g4 I8 @# R
' Z6 V4 b$ {+ d( c0 s+ G9 D% F: u7 P! ` ~0 h
有些能力仍难以预测。例如 Inverse Scaling Prize 是一项竞赛，目的是寻找随着模型计算量的增加而变得更糟的度量指标，而 hindsight neglect 是获胜者之一。就像最近的另一个结果一样，GPT-4 扭转了趋势：
$ K+ b/ ^, r& h R8 W+ u7 N+ \9 s( i0 E( l" F5 s X* v
. A+ Z G0 ^* P' O6 s; b- A
, Q& L5 R) O6 u' n6 pOpenAI 认为，准确预测未来的机器学习能力是安全的重要组成部分，但相对于其潜在影响而言，它并没有得到足够的重视。OpenAI 正在加大力度开发方法，为社会提供更好的未来系统预期指导，并希望这成为该领域的共同目标。: W* }/ p( O9 ^0 G1 { m) _
七、开源软件框架Evals，用于评估 GPT-4
( u$ [: H# d$ d/ `" @# oOpenAI 正在开源其软件框架 OpenAI Evals，用于创建和运行基准测试以评估 GPT-4 等模型，同时逐个样本地检查它们的性能。 g& q2 M0 S8 x$ v, D5 m
OpenAI 使用 Evals 来指导其模型的开发，其用户可以应用该框架来跟踪模型版本（现在将定期发布）的性能和不断发展的产品集成。例如 Stripe 使用 Evals 来补充他们的人工评估，以衡量其基于 GPT 的文档工具的准确性。5 h1 A8 X2 u6 i4 j" P! ~
因为代码都是开源的，所以 Evals 支持编写新的类来实现自定义评估逻辑。但根据 OpenAI 的经验，许多基准测试都遵循少数 " 模板 " 之一，所以他们也囊括了内部最有用的模板（包括 " 模型分级评估 " 的模板—— OpenAI 发现 GPT-4 在检查自己的工作方面惊人地强大）。通常构建新 eval 最有效的方法是实例化这些模板之一，并提供数据。% s% G9 P) ]/ M n
OpenAI 希望 Evals 成为一种共享和众包基准测试的工具，代表最广泛的故障模式和困难任务。作为示例，OpenAI 创建了一个逻辑难题 eval，其中包含十个 GPT-4 失败的提示。Evals 也兼容现有的基准测试；OpenAI 已有一些实现学术基准的笔记本和一些集成 CoQA（小子集）的变体作示例。
9 }# y# d+ \0 ^+ n4 N' GOpenAI 邀请每个人都使用 Evals 来测试其模型，提交最有趣的示例，给与贡献、问题和反馈。: Y) ]) ?/ J M5 b" K) p. v+ P2 _
结语：OpenAI扩展深度学习的最新里程碑 a$ Q" M7 s5 T5 l4 F7 \. K
GPT-4 是 OpenAI 在扩展深度学习道路上的最新里程碑。OpenAI 期待 GPT-4 成为一个有价值的工具，通过为许多应用提供动力来改善生活。
/ H. I1 ~6 L* }正如 OpenAI 所言，前方还有很多工作要做，这需要通过社区在模型之上构建、探索和贡献的集体努力，来持续将模型变得越来越强。
/ {$ S; n0 Q% Y3 ^8 `( E来源：OpenAI |
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有账号？立即注册
×
|
|手机版|小黑屋|梦想之都-俊月星空
( 粤ICP备18056059号 )|网站地图
发表于 2023-3-15 12:33:45
