优秀企业网站建设公司,一个新的网站怎么做优化,四川监理协会建设网站,贵州贵州省住房和城乡建设厅网站最近几个月#xff0c;互联网和科技圈几乎ChatGPT刷屏了#xff0c;各种关于ChatGPT的概念和应用的帖子也是围绕在周围。当去年年底ChatGPT发布的那几天#xff0c;ChatGPT确实震撼到了所有人#xff0c;原来AI还可以这么玩#xff0c;并且对国内的那些所谓的人工智能公司…最近几个月互联网和科技圈几乎ChatGPT刷屏了各种关于ChatGPT的概念和应用的帖子也是围绕在周围。当去年年底ChatGPT发布的那几天ChatGPT确实震撼到了所有人原来AI还可以这么玩并且对国内的那些所谓的人工智能公司更是旁敲侧击。
3月9日微软德国CTO Andreas Braun布劳恩在一场AI活动中表示GPT4将于下周发布并且是多模态模型不仅仅局限于文字还包括视频等。所以GPT4有何不同它与较早发布的GPT3也就是我们在1月份用到的ChatGPT有何区别都是我们比较敢兴趣的话题。
事实上GPT3Generative Pre-trained Transformer 3和GPT4Generative Pre-trained Transformer 4是自然语言处理NLP中最先进的预训练模型。OpenAI最初推出GPT3时它具备175亿个参数是当时人工智能历史上规模最大的语言模型之一。
这个记录并没有保持多久很快OpenAI发布了GPT3.5。这是一个在GPT3和GPT4之间的过渡模型它有1750亿个机器学习参数比GPT3的175亿参数多了10倍。GPT4则是OpenAI即将发布的下一代语言模型有预测认为它将拥有超过10万亿的参数是GPT3.5参数的57倍。 那GPT 4究竟有多么厉害呢今日凌晨万众瞩目的大型多模态模型GPT 4正式发布了。 同时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。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。 同时在各种标准化考试中GPT-4更是SAT拿下700分GRE几乎满分逻辑能力吊打GPT-3.5。 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。
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。
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。申请链接https://openai.com/waitlist/gpt-4-api 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。
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。
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。
开源地址github.com/openai/evals
那GPT-4究竟带来了哪些震撼的功能呢下面我们就来一一点评一下。
GPT-4升级成“考霸”基准测试表现大大优于现有大模型
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。
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。
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。 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 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。 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ChinchillaPaLM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。 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。
描述照片、看懂图表、解答论文
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。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。
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CoFchain-of-thought提示。图像输入仍处于研究预览阶段尚未公开。 OpenAI在官网展示了7个视觉输入的例子。
1描述多张图片内容发现不合常理之处
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。 2根据图表推理作答
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。 3看图考试
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。 4简练指出图片的违和之处
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阅读论文总结摘要与解释图表
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。 6解读“鸡块地图”
让GPT-4解释图中的模因memeGPT-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。 7理解漫画含义
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。
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。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。 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。
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。
关于可操纵性OpenAI展示了3个示例。
1示例1
示例1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示例2
示例2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示例3
示例3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 最真实、最稳定、最可控
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。
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。
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。
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。
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。
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。
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。
GPT-4的局限性
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。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 。
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%。 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。 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。
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。 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。
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。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。 OpenAI如何规避风险
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。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。
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。
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。
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%。 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。
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。
构建可预测扩展的深度学习堆栈
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。
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 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 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 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。
开源软件框架Evals
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。
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。
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。
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。
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。
OpenAI扩展深度学习的最新里程碑
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。
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。
参考
https://cdn.openai.com/papers/gpt-4.pdf https://openai.com/research/gpt-4
