|
|
智东西（公众号：zhidxcom） y) `4 T# C1 D
编译 | ZeR0' g% p% M% v* e* O- F8 F, `
编辑 | 漠影4 L' ~& ?; n7 d) Q& n( z* r
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！
! X- v8 N& z3 a! c! Y% dOpenAI 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。, q; Q/ ], j& }. Z7 c
* R. M) p- u9 t+ U" U/ E! K4 `. ?% E8 x) ?! m8 ~
* s/ s/ N6 @0 d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。
6 _" |0 S# l* P9 O$ k) F/ g! Q( h2 U9 l* X! R U
9 W! O/ B; j8 J2 v" E1 t
2 e' \9 h1 e T# e# T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。% {" o- E O. T7 ?& E$ [! b9 z( R
: x s7 h5 C/ ]
/ S$ u J% ~4 n2 @; I1 C
7 ]% L& X$ J B
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。2 I" D5 X' _$ k
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。/ m" C$ Y) }8 a. h
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。"
' Y3 F9 V4 T, g4 M4 x1 p
( e9 g, T# F, y9 O0 K& H( `) v
}6 J `' Q0 k9 i) Z( P) g/ V% e# U6 i: W7 f; r
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。
4 s2 u" {# v k! l5 e# ?+ [5 W6 d$ K; G- v6 [. ]
- y, ?) q8 J& O( V4 r
8 m: N. d. B+ k( G8 I申请直通门：http://t.cn/A6ClOHn70 T3 g) G9 |) 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。* I0 H& r( b( H# a- {" W- B
gpt-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。
4 s) `! T: ?) }& T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。
5 X. p, \" i7 x开源地址：github.com/openai/evals7 N1 f# M. C: B5 n4 Y; J: h6 h
一、GPT-4 升级成 " 考霸 "，基准测试表现大大优于现有大模型, C9 p. g- l3 k2 u; Y6 S5 S9 p
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。% }' ~. y& [% s7 z; j3 \, R
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。
: U0 f2 O0 T( _0 ZOpenAI 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）。
+ I; x4 f. z/ {, U2 C! n# x% W. o9 ]5 `5 o; w
. k: m: ^$ h: z. {- F- a* T7 S1 q' Y4 z: p* O) r: p
OpenAI 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：1 f D: ` Q4 Z. v9 k5 y: c
) }2 V6 B H7 H9 q; H' e
- Z& J! q& r: f2 z' d. H( a& u6 `1 R% [
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。
. _* [$ d9 `2 p1 a' @# p+ Q+ G
7 k% {6 ], t4 G! x" T; [1 G/ W! V% i6 q! f- c' ^* |
! ^# O& G0 M, m4 t% H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。
3 ~% C3 E4 ~9 p0 N* |- o% ^- Q" s4 O# m; ^3 l& Y1 _. V7 e7 `
/ Y& n1 T9 u5 |% M/ W1 A% B2 B9 l' f! l/ E9 q$ H
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。
2 z+ n9 x, K/ N& d G( |7 x 二、描述照片、看懂图表、解答论文
9 }/ I7 ]/ J S5 @6 ]* H2 D8 [GPT-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。* @" m# i4 n. s+ t W4 o
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。
8 ^% l( y: t( H; G- p8 |7 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。& g" i5 @6 C$ X1 I% Z/ d9 @0 u
OpenAI 在官网展示了 7 个视觉输入的例子。$ w; M* u& ]- i' S. M& _
1、描述多张图片内容，发现不合常理之处# j; \2 ~/ g* e$ J9 }
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。& V2 N: ]8 N+ ~: D* b6 e, f
7 n$ _( B; b' n( Y0 \
8 o$ O* ?/ L# B! k0 u
4 ]) R; A/ |* n3 _; I [3 D5 z2、根据图表，推理作答! e; p" j. t- c3 F* ~
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。
. M7 L) Q! b4 p4 c, w
5 X$ [6 J7 o' M' s% L* G& A. C: A, S# z& g" q4 S
0 o7 l" A9 N. u' s2 ]7 G* |
3、看图考试
( q" y+ j4 k. L6 z# ~+ Y8 j7 E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。
/ z- I9 Z4 {) }, H# z
6 |6 H2 b1 l! H% k# k- X5 c! Z
/ T0 v1 M, E8 p
) W3 F+ S5 U0 `# P4、简练指出图片的违和之处# l7 z( K t) d2 B6 H: ?' p* t* d
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 "。$ D; I. a$ b$ L& s4 ]( _/ _
' l) J& d3 y. S$ O
0 J: a% z! l. `& b
; g+ R+ X* L4 ?3 ]" T& z7 J; z7 `& J: s5、阅读论文，总结摘要与解释图表. d! O7 q# Z+ C! Z/ h
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。* D0 E* U: ?' [7 v# r! C1 |
" A/ C3 u4 }+ w4 d/ N7 p |$ v2 L" t, L2 m. Y
8 h1 W8 k$ w& _/ D7 U) E3 O- j
6、解读 " 鸡块地图 "4 H7 `! I# j( l3 n
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。' r7 Z: X7 F0 B9 ?: o5 y N: Z$ A- i
2 G: j4 F9 u) B
5 X. K+ Y$ ]9 W/ \4 L
' ~/ M& S( J% Q/ p+ ?7 o a7、理解漫画含义
7 A! j. E4 B3 N0 y7 W: S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。
0 h6 O: `9 h* n# o, f7 N/ V/ n& ?" d- ~, w0 g7 Y; F
* ]2 ]4 O h# U, k
6 o7 b# M2 y5 J# u3 a, k5 YOpenAI 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。
% u3 H2 a) q2 ?* r3 ]- v- xOpenAI 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。9 n ~/ }' b/ {
! n( _: c$ Q1 w( l" V
* w0 O$ g3 M* z
. r$ x+ o: U- c/ l$ |4 |; u2 m6 `
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。( R$ J. P' i$ `0 b" ]/ b0 l, ~1 n4 g, ]
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。* S4 y5 M; y' K9 Z( K0 Q4 A# e
关于可操纵性，OpenAI 展示了 3 个示例。* m i: I" b3 Z
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。
6 w0 e7 y5 h" [( h+ L! W: \+ m& a0 V7 B$ X8 ?" H7 q/ e$ R
& K y/ X5 W3 b4 p
# w7 @. U$ A* X$ 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 "。
) R" N& D: K0 S! y, y) h: }
$ K; u. I% {. [1 H4 k6 _) `$ I; H/ U( e Z5 j* \: s& L5 x
" S) D d7 q/ `8 c, h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：
# w. q% b2 c( Y6 R. r
/ e4 [+ U9 ?: { C E4 |% {8 n
( c. l- x# J! }" f
+ ?. A2 a0 B9 B. _0 t 三、迄今最好的真实性、稳定性、可控性
% s0 Z8 v% {: k. [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）。 R1 \! ] E$ O2 l3 m8 d
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。
5 e( m4 Y: V2 l: K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。2 O- j _5 z6 _6 U' R
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。% s4 E8 y, V( M+ _' S. m5 Q
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。
4 J$ H& b3 L5 K, \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。
; h! I. K/ `* q1 h6 f# L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。. U6 X3 q9 s/ @3 q7 l% X4 v/ M% U- X
四、GPT-4 的局限性：不完全可靠
4 D; m; u4 c" j( f1 e. i1 R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。
2 T: B* p6 ~1 R3 k( 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） 。; ~# \9 q- u& C3 } }
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%。: {$ Y% C. x7 ]2 C9 h
8 `" d& H& P$ C. V7 A$ H F
" k3 j0 k& W5 V% j4 S5 T6 R* \2 S( `% v
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。$ [, }. H! G+ L& }! X
; w- J! J9 G6 C W# z+ _1 X! }) } M
& v8 I' l& u! G1 Y$ H0 A
) h Z7 ]2 b( Q6 u2 [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。
# D7 Y: a3 h& s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）。
+ a+ v k' q3 E! G7 Z
$ i0 c0 J, w3 Q; e4 ], q
% N. I, _* b! e, Y
0 S9 F1 J% N1 l6 |3 @GPT-4 的输出可能存在各种偏差，OpenAI 还有更多工作要做。
/ `2 U4 b' g) O+ O3 S' EGPT-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。
, D6 a& Z r8 h2 ]% N( X: w" t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。
) ^. k& I5 u$ G% g# TGPT-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。
3 M$ @5 Z& x8 O3 Y1 Z* q
! [ G, M4 [' f7 ^, j! N# G6 |* p4 J1 T1 V# `, z! n% A6 \
" I! X7 Q8 j) s" ]( B& _; x 五、OpenAI 如何规避风险？
9 ^5 f7 ~0 z7 P( k$ A2 vOpenAI 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, @# J6 p3 j$ X' }
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。+ e+ A7 X* F% o" w I; e. s' |
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。
4 S9 W% J8 w3 H- aGPT-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）。% M9 {2 _! Y& `: ~0 O8 S
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%。5 u& m7 y o! _3 @
; x4 W% B- d9 L0 i5 ~; _0 |* `$ B8 \3 K( ]* o
t; o; Z" n& ~+ `3 V/ X0 `5 _9 q6 W) B9 ~9 i
9 E1 g8 v) G9 {* ^8 J, ~' H3 g
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。& V+ ]6 {" Y) y9 M/ O( o; v& _2 ^
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。3 _ r+ F! }& ]* A& s
六、构建可预测扩展的深度学习堆栈
$ S' q6 R4 \7 t6 ]) ~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。* k Y/ A5 P# N7 Z% z7 k! }
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：8 ^4 f% I3 w! W. y- m* n
/ U/ t" A1 l! R0 ]& T
' u! E+ H; x) |3 `1 R+ r. f
- V/ Q/ z; v$ }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：! N, @. z6 ]0 `" P7 b1 h
4 h/ R6 D5 C, D: W$ N' F( v; G
5 A: b& X- e% P, @: w8 u. z4 Y+ q: R' ~( W# K
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：
. C( U3 L- X, m3 c7 `% K, R6 D8 B9 @: e- `
4 p) v. N9 v8 B- \( {$ O% S0 ^# a6 x4 M h0 K! Q' [2 ^( R$ v+ e0 @- _6 K
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。( f" t. p) Q: G4 |- Z w# s
七、开源软件框架Evals，用于评估 GPT-4: n |. `+ a0 m/ E5 p
OpenAI 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。
7 _, y+ U2 B5 O! l! XOpenAI 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。6 }4 H( m+ i- O% M3 p2 W
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。
1 r7 I+ O' R2 B" @) v& `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。& d2 ~1 W& }7 h6 t6 q
OpenAI 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, x' i* p# d: b) h) p# [
结语：OpenAI扩展深度学习的最新里程碑4 Y7 `0 x% ]- t9 P: I p
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。5 K: R8 Y- y5 {: q! }( ?* h
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。, W& l: ~& G a
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
