|
|
智东西（公众号：zhidxcom）
: j/ f0 b: M. c( W编译 | ZeR0 ~& J: o) E' D6 a; K; z7 B; s
编辑 | 漠影% p6 T: N; W1 E* ^& G: l x2 k
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！
6 A7 [% t& n* @: d, [. ?1 [OpenAI 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。) J$ ]% G$ y; t( z
+ e. q' l/ ]! {( ?
( q' v/ X! C3 V9 I/ X: v9 `
" _3 O8 z- n+ R2 Z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。* r( f. F/ n5 G7 i! R
/ @& i# t2 u# n7 p7 H2 u
4 [- h( F# b Y5 g
2 k0 y' V9 r" Q$ n3 n9 F5 q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。! S" Q4 ~- x8 F+ @" S' z z
! X! b; Y" ~2 _' P9 i7 Y) z
, @( y* l9 ^/ n& y- O1 S& l! M4 `; M# h* }2 h5 W
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。8 h7 [5 u8 ^$ D: A" ?) ?
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。8 Y* z; U) Q4 P4 e
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。"
3 d+ E* D4 L3 x) j8 f3 T2 K
) p7 m. E4 [4 N( a2 I, ?5 ~8 y& y. \0 p3 s g& g
" N, E' h" I9 z9 T# A
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。: C% u. ?. F8 q {7 |! p
* T7 i3 V# p! F
* Y9 x# C9 ? m$ I- y$ }. Z& [
3 y* c) p6 V' @& d5 i' A
申请直通门：http://t.cn/A6ClOHn7# h$ p) T, p; D' J
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。' t0 C7 T' q5 C% b/ Q
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。
% n: b% L" \) y- C( O) c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。
- }! O0 O( v9 u7 o! {4 ~/ t4 I开源地址：github.com/openai/evals X7 N0 ]7 x: Z! r; c
一、GPT-4 升级成 " 考霸 "，基准测试表现大大优于现有大模型
" Z9 g5 K H% T! q- i0 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。
+ d$ }9 m$ v$ t! M# @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。
6 T* m* ^* r- y5 T k& }OpenAI 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）。+ t+ b! r& J6 J. n5 Q5 H3 s$ k
0 |. C, E: J6 d) G
. _2 v% G ]. V2 ~7 ^. U' D) t6 Q9 f% ], ?8 E Y3 m
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：
; m2 A2 n2 {1 b& {. X& z, F, j& l; t6 u$ \3 {* d
2 V. Z, `; q" u2 E4 _
+ E" K9 L( f8 d F6 X% ^0 a5 t
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。
1 i% O9 G: l: W- C# l- k) E; t9 Y/ ^5 Z4 u( u; V/ z
7 e% ]: V2 Z/ g% x; l$ w( o# I, H8 K
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。
( F5 N* s4 v6 `
" ^% v- o' k6 F7 V- g2 L& _3 ^4 V( X' V; n
- u% h+ c# Y% @# n3 o
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。- j, X! I7 U- P1 s/ v5 a
二、描述照片、看懂图表、解答论文4 e/ |2 c- a1 `( @' L/ v
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。
) V2 N, U% s( u. w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。3 R* V K+ \9 Y# ?/ v5 X
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。( I+ u) L$ N% {2 `9 I
OpenAI 在官网展示了 7 个视觉输入的例子。+ N) l- l7 B F
1、描述多张图片内容，发现不合常理之处9 [! K' b) S" W; I* c, I# `3 A
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 m/ F) ]- D2 i0 q ~" h
8 x! U% L: t2 ~# s& M: `& r- `( B& N' K' _4 T9 U* N- k7 T- @, H
3 E# z6 | J8 i: K: _; p, U! [2、根据图表，推理作答
- s# O7 S8 Q, {" _9 S) L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。
# { D0 C3 o5 l
& s" x0 `2 M& \+ k
3 ]' ]7 I/ I" ?
+ ?0 j7 D0 v' H3、看图考试- n/ K1 P7 t. j& v/ @
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。3 E# L# r/ [2 I! v$ `2 t0 Z4 ?
" Q* ~& U0 O' d) x
2 j: E" S: U8 m; C
+ D% {; ?5 F) D; {( {* s7 `1 J1 _4、简练指出图片的违和之处( ?$ r& f+ ^9 h
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 "。
; {5 P" s) `3 `6 j6 U5 J' T* v/ P
, Z. F2 S: [% L+ X: T0 l. j- Z; E
+ F( z, @: Y6 u9 l. V S5、阅读论文，总结摘要与解释图表
$ n& h9 F5 N# M- 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。0 g7 f* J6 H, K. S6 e
6 p5 c6 y/ b% U6 ]. j- |
! X* x3 \$ J- {2 e+ q
0 c: z6 S5 i+ a! J$ h1 S8 r
6、解读 " 鸡块地图 "
0 p# r6 l7 U0 ?" g! Y, B2 z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。) ]. m2 v% `: c* b' o
: X# D# Z6 C) W9 ~; s9 j9 D0 v# i- x) Y4 X2 V
5 [" q# q: b/ e2 y( t) a4 h
7、理解漫画含义; P3 `: V/ G, e3 i5 U7 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。
9 i0 K* m6 c$ y: Z+ j5 O5 T
4 n" H( j1 x. o8 Y5 i* o/ K) S: M8 d+ ^8 i) ]& u
. R; ]' c D( q- R8 ~
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。
5 y6 T, Z/ p; JOpenAI 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。
K1 A$ |8 A# x
- e5 a) d! j6 B+ p5 H' H1 l
: r& x+ y. v' W6 @
! |5 l+ W. m c' r- Q9 _8 A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。- m& s% h9 C4 f4 }3 s5 T
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。; S, S7 Z1 G5 y
关于可操纵性，OpenAI 展示了 3 个示例。
5 o# W2 Z: y& C! T9 P; c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。& P1 S1 K- X/ f6 N) j: i( |
3 Y2 p3 h- Z9 i( N2 c8 d% |9 v
0 V4 T* ?: l, `' z. }
( Y: e" z) t9 d3 l* Q& U3 H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 "。$ l% w' A4 s) S- g
5 b( e8 V6 l4 A. S# O& \. Z( m
8 c: `/ x7 n$ W: H; J4 Q
8 F, U0 E4 X ]. N, a" R# V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：
( P; j( c8 \/ I/ c
, ]) b) p# |9 {2 e2 r3 ^6 f
" Q# F, z; J6 s5 H& ]" D) Q. w9 Z2 |: @" a
三、迄今最好的真实性、稳定性、可控性0 G0 |$ ]. Z- @6 D6 @8 Z
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）。- f7 B4 q9 P- n4 y
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。
8 D( {+ @4 J* o! J5 {7 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。
% P& x+ p, a$ f( v+ d+ P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。
& D) i9 C- u J3 }) x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。# O. M3 O: c n. b- l( D
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。
* n: P v; s* G2 c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。
{9 N2 f& s6 q2 E 四、GPT-4 的局限性：不完全可靠
6 R+ ^9 K' v/ M: [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。
6 z @6 @: f D- U5 b; f/ Q2 ^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） 。
- E5 y6 S- i- W0 v/ }* n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%。
% s+ b, Z3 m6 T! Y" I9 d) \: S3 s' f; Q0 G4 v% G% V* T/ L" [
! K3 C+ S+ P/ x% L8 A
$ q d# f0 D- |# WOpenAI 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。
2 y' C4 E b! @
3 @7 h/ ^( y8 ?# p# u( h% @9 {7 P# \3 {: U! G5 D
9 b" C2 a" e, h' q; VGPT-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。$ X; F" S+ t; k. k6 I: C
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）。$ L8 K7 B" a0 Q+ {. x3 H
9 O, E' ^! u; j) t7 B6 E
5 }+ D& l( L; x- m2 a/ D1 r$ }* E; e1 i6 E
GPT-4 的输出可能存在各种偏差，OpenAI 还有更多工作要做。' F! B1 ^" a' S4 P- W! C& |8 U9 `
GPT-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。
5 V: _, I* L n% T0 P8 p3 l) |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。 ]) A% O$ m3 r: x! }/ n1 u
GPT-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。. W/ k5 g: N8 l. h( m1 z& a
% j8 `9 [% [! ] V% L
q- h7 e: R* P5 g( [1 p1 q$ F6 B' w' }$ S
五、OpenAI 如何规避风险？" V) }; M* j: ^. ^. u
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。; ?: Y1 Q/ T) [2 o/ n
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。
$ v* s# G0 C! R+ Y% h4 x3 a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。9 |- @! }0 {) v8 g& g# n
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）。, s0 s! V& ]2 l' [! y* ~! r
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%。2 s; e- D3 C1 E
; |! u | H1 ~
0 P1 O. p& y% x2 S. R7 |$ j( G/ T# e/ t( `( @! ]4 U
3 Y, q$ U8 o' I4 z, t* B% z2 V
$ |- h6 J: W+ v6 g- _/ H: C' F- V
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。- j8 ^, ^6 }/ X' [1 l3 Q% C3 B
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。4 ~' w- f8 |6 U* V& ^
六、构建可预测扩展的深度学习堆栈8 r W# v' e- q5 o* y
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。
* P+ U8 ?5 J6 p2 V; v. V, s8 p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：1 O8 s! g7 W( s. G& [
4 K% A4 ?7 ^: ?2 X
7 c1 J3 w5 w, N/ t5 Q
2 h# d! D n8 p( x
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：
1 S; R& L! w5 K4 f1 L9 B' v o' q, P0 }) W0 f: Z+ c# e* M5 t
8 g% o9 Z- z$ F" @* ]9 |3 L/ g: M- }* C) A
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：
9 \2 a/ p* F( d" }/ y9 ^& r3 @ q ~/ m+ _8 a3 _% u
: h" K4 V* [5 [4 ^. [ L% M- R5 X" o. t: ]' Z; m
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。
3 A4 \# Y; L/ @( Q( [ 七、开源软件框架Evals，用于评估 GPT-4
2 v U$ S- h# ]8 C$ dOpenAI 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。9 }1 F6 N8 p+ G( v V. n
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。
7 o- |& M; h) g$ l8 w% b1 i& U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。
" _$ G# H/ o% p! Q) Q9 [. J; COpenAI 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。. S4 x6 K7 A, Y3 l( h
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。, f( h1 N( `$ A7 t: d, r
结语：OpenAI扩展深度学习的最新里程碑
4 Y7 J, {0 W7 n( \) zGPT-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。
3 N% R3 W6 x- m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。# ]6 a+ C. M7 n2 t* v( `8 l6 S" M
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
