|
|
智东西（公众号：zhidxcom）/ D3 z: u' h& V/ u" ]9 }$ D& k
编译 | ZeR0$ Y! h4 u# V0 W) _- n3 x/ D0 e
编辑 | 漠影, N( J# L& ^- }' H
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！
/ W7 E9 X2 X! f( {. h8 \. hOpenAI 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。
7 v) j" _" L# N8 ~' X+ W
- M3 ^. U" X# ~
! v6 Z! j3 F2 Y: A% E
, Z2 D4 K* s0 U, |0 t( z+ G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。" m! \0 E. ^1 x8 w% K" e
. x2 Q/ ~4 Z, T' w+ D# ?6 j9 y" _! L5 P z2 ?: Q9 s) _: G
" X6 J- ^6 F0 Z/ j9 V9 H
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。
+ A" T, E3 t1 E: S
% n6 X% e# X" R$ c% y) c9 c, M+ |! Q
7 @* K7 p/ d' `$ Y( \
& L8 N& X% ]4 @+ v' P& xGPT-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。
. a8 h- G/ r: oGPT-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。* u3 X; V2 w$ f
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。"9 G" E( f- Z i: [- }8 s( u
6 ~, u* G' [2 K: n4 |( E& {) [7 e, T+ D5 B
9 n2 m# P9 X/ e0 e" Q
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。
$ i) j% G; o. O6 o' z* `' X+ I8 L
' o \( g! Q( M. `0 o* R8 d [, b K; j/ t* o6 N( `
' O7 X' Q' B- v: U) `+ g
申请直通门：http://t.cn/A6ClOHn7
5 |+ {& G7 N; d! n- v4 n5 D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。
; M6 |) b; }% q. K1 C/ \; b" e' tgpt-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。0 R: y/ W2 M1 X& h# p* }
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。1 [/ k# g- g9 i$ Z& }" K, o
开源地址：github.com/openai/evals2 b8 _( C+ M" a( a& g$ D% A
一、GPT-4 升级成 " 考霸 "，基准测试表现大大优于现有大模型
. p! ?1 U; o) k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。
' S% n( y% Q/ w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。
' m, P/ @2 @; A# t' P* g8 w0 KOpenAI 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）。
7 s* h* `" t& G, {$ J* e8 z' p
) Y: p# ?7 ~8 c6 x# A7 U- E) p7 M- I( \
( d: l* H7 l" o/ gOpenAI 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：
7 G; S& `7 ^8 T- _( Y
! D! |( d: _5 g
6 Z# J4 C, O: s. b6 A! U4 r3 W1 _) B
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。: f7 k4 t, f6 Y; Q( W) }
. y/ @: K. o% Y6 N
6 D% L, X% Z4 S+ p* |
+ p5 l$ H0 g0 |; ~- U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。/ e2 @) _; l* p4 Q" G5 m# d
9 Y! P7 n0 g3 E
+ a: V$ ?& A3 x N( J# V6 ]. f$ n
! M" u- }; `% s9 q. ~OpenAI 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。+ M* u! ^& z& {+ M) A# C1 ^
二、描述照片、看懂图表、解答论文
$ Z( g$ c7 b) ?, T# n; yGPT-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。, V; f5 f! G8 K2 d. b& h, b/ g
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。
]% s+ O: P; P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。
, g7 B# B6 ?3 |OpenAI 在官网展示了 7 个视觉输入的例子。1 O, L j7 W, k( O1 L( R$ z
1、描述多张图片内容，发现不合常理之处) P$ V/ m0 b4 s# f) M
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。
1 k' `1 _5 e' W) N; L8 L, P! e! d5 L' j: s' }& h% T& b
+ I( H9 z' b2 N' }* |! N2 s3 F
7 b% c3 `4 f* R7 Q4 Y. b+ K2、根据图表，推理作答
& ?$ d8 l6 b: \7 D# Q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。
8 B+ O& Z4 }$ M8 g$ p6 C7 a7 v5 j1 `% O2 K3 U8 R
& h3 Z: \2 c- Y* q7 p) x
! Q9 @5 ~4 S5 g; G3、看图考试
3 s' r+ y8 \% T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。
+ m' R h0 I1 R. a0 [
3 U1 t$ w Y! Y: F6 M5 K
/ j7 Y0 \& ~/ Q0 S# g% Y* G" e( G2 a% }- w# c
4、简练指出图片的违和之处* W2 v$ g" _- g. ~; ]
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 "。1 J' N( t5 C( G6 y4 e2 F6 ?& [
* a6 _% ]4 U$ c1 i
K1 ?9 F6 y, G5 s/ {# ?% V
! A+ [' L; |$ `) f8 x5、阅读论文，总结摘要与解释图表
4 d% _7 K( T2 P; ~; n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。
8 Q8 V M4 M8 R6 n$ P$ N6 o' Z; k9 T" O; C5 R+ X) R
( I8 Y% ] G# S% R# e
9 Q7 Q+ ]+ E. q# q5 `2 d6、解读 " 鸡块地图 "
- ~+ b" O7 S% p% B0 k$ M% A1 `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。
, {- ?; G4 g! K& X% q# D! n
2 ?2 R( r9 [6 I2 V3 H7 a) {" H* X) F
' z% `0 N* E X0 f) H F7、理解漫画含义4 ~# N/ a: e6 J5 r
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。
6 N2 ]/ E# {( ~+ x& k; r$ n
& y0 Y' o6 o9 m0 d; {- V' Z
% b+ H, E8 V8 x# D7 [3 g, t [) y! r. h. ?9 r& y8 T2 W
OpenAI 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。
L! l% q" H, f6 z9 J" ]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。' p. |# u H8 v- r2 V
3 L. k; t9 ?/ l1 x( U2 \$ `. j( S
) `4 f5 L" h2 z* O$ u
1 \6 E0 h* @8 J
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。
5 f5 v. X! P0 _# Z" G4 I# j9 ^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。
9 y" q# L4 S9 W' v+ {# ^关于可操纵性，OpenAI 展示了 3 个示例。9 A, k4 o0 V. _) P- e
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。
2 i& i `/ V/ H# p% `5 Q6 ^ {% S3 o5 T& V0 z# T
* q6 Y$ z0 ?6 H( M( l
; G* @. V4 Q/ ^3 Z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 "。
3 _% ?+ T* R+ P# y/ u' r( ]
* V+ b' y0 ^: U7 L4 f; l) d; @" a+ {1 v; T
3 `! @ \6 J& f: V4 U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：
; k4 Y" D& k+ C# e
1 j; T- X, i7 b2 f8 F2 _! x u& \% A7 C5 o& E, y; K4 J' N
. G# i) p9 p9 I, A$ J3 x 三、迄今最好的真实性、稳定性、可控性+ ]3 K1 K! k! J5 O. ]* o
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）。
+ H5 r7 g( x$ {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。
: ?1 {9 q, {+ l& E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。
) A6 S7 o# H; y6 y+ U! T( f) J: H6 b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。
; H; F& \! Q' K& _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。
2 j( _- F& G5 `5 e+ c3 j$ \% d& F+ j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。
5 b4 A B5 k( V' m% ~# d% D" O. ^8 j E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。
- z/ t9 P- g u% Y' N( c 四、GPT-4 的局限性：不完全可靠
% c& Y8 U5 m9 k" ]7 b4 R6 \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。
0 g& L6 p& P& p u$ v* Z6 d. a6 G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） 。3 A" N: v% F" D) w, k
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%。* `' K4 Y z& N' e+ T) g9 I
+ x2 _2 f! m; F! v
, s1 K+ v: k6 W
. c& m- H+ o) ^0 A9 {OpenAI 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。3 O0 d2 u1 V, |# _; D
, Q* `% O; s3 p5 |0 V; q+ }# c! e
( h5 O5 @5 {# \
" F+ T! J8 @: X. o% m
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。
/ m; c ~+ H! M+ Z% p4 ]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）。: P0 T8 P9 H5 C) s' A& F
2 O* M; \$ z6 ~" w. K4 S
! j0 {+ `- q, I' r1 ?3 {+ e$ a
3 k+ ]: G8 G' h9 AGPT-4 的输出可能存在各种偏差，OpenAI 还有更多工作要做。
3 D7 x$ _: }$ s! QGPT-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。
& E5 S7 l9 j% ]7 c; T8 @% Q; ^1 O* [* K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。
' O# L- ]/ Q5 P! RGPT-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。5 P5 j3 x. W1 ]- Q) t, G" B, _$ f
7 R; _# Z7 Z# G* z+ ?, O! |
7 n# |' l* m! C' z: ?3 y% U/ j* i8 r
五、OpenAI 如何规避风险？4 Y, {/ {( K. y1 h: q* [# d
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。
; T/ }0 E9 ~# O7 a4 W" B$ x/ t! }1 tGPT-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。9 Z+ G3 F) h# p/ m* R! r8 X
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。- e& f6 v! s$ f$ {0 l$ R7 M, c6 Z
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）。; Z5 n! `/ O' n! T
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%。
7 |! [/ D1 w. [* s! a+ z+ Z3 Z- s0 o: b$ y
" B+ N. H2 R1 @5 w! j+ E) G8 b$ k5 Z* Z8 f0 u3 B+ ^; Y; O3 Z
! ^% v0 m. }0 b, A" H! M
+ P/ t, B* A0 J% D: A
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。
3 k7 X; {7 z) e: g8 ~% c' D, [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。
$ ~! r5 _# S( w$ h) R/ c+ w$ H 六、构建可预测扩展的深度学习堆栈4 w3 F/ E- L# Y% [! u
GPT-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。
& ^$ I3 R% I* _( ]5 K. C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：
% b% X# f7 j9 S( O" S s8 B4 W6 G, n; D! P) Q% q& O6 W
0 o! Q" K, `: I, E. S. ]# W& r8 [0 M" J; `4 l0 Y
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：$ k& x( a1 k$ p+ g
6 p2 [" Z5 e- \6 W# Z! _
9 p2 K2 w# \1 J3 W! v, T. R
4 i& V6 k, r3 u! X9 i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：' P5 f+ u8 Y* [* }7 |
/ ?5 `/ W* W! f3 F( I
/ i) d3 c( o, W) ?9 O, j1 B2 S/ j& W8 k# S$ ?! [1 R
OpenAI 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。
0 f* D- T3 ?8 x( Y9 q+ y 七、开源软件框架Evals，用于评估 GPT-4
: G i) N3 F" U* NOpenAI 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。
. O2 G9 }7 {, @; f) _# y kOpenAI 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。
4 G0 @. R; }+ I- W8 G3 m L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。
" z) d% e, D# O: u% [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。
( x) ~4 C$ R& j8 Y) h- iOpenAI 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。
" ~" p. @ {1 x, M" }: [6 J 结语：OpenAI扩展深度学习的最新里程碑
5 K# J3 J D& o6 F! c. `) F6 c. BGPT-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。' c- h" d+ O% E* P9 F; b6 o0 d1 g7 {
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。0 e: w3 e' G. f
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
