OpenAI正式推出多模態GPT-4_OPEN

作者 ：OpenAI&TheVerge&Techcrunch

翻譯 &分析：阿法兔

*本文6000字左右

GPT-4可以接受圖像和文本輸入，而GPT-3.5只接受文本。

GPT-4在各種專業和學術基準上的表現達到 "人類水平"。例如，它通過了模擬的律師考試，分數約為應試者的前10%。

OpenAI花了6個月的時間，利用從對抗性測試項目以及ChatGPT中獲得的經驗，反復調整GPT-4，結果在事實性、可引導性和可控制方面取得了 "史上最佳結果"。

在簡單的聊天中，GPT-3.5和GPT-4之間的區別可能微不足道，但是當任務的復雜性達到足夠的閾值時，區別就出來了，GPT-4比GPT-3.5更可靠，更有創造力，能夠處理更細微的指令。

GPT-4能對相對復雜的圖像進行說明和解釋，比如說，從插入iPhone的圖片中識別出一個Lightning Cable適配器（下文有圖片）。

圖像理解能力還沒有向所有OpenAI的客戶開發，OpenAI正在與合作伙伴Be My Eyes進行測試。

OpenAI承認，GPT-4并不完美，仍然會對事實驗證的問題產生錯亂感，也會犯一些推理錯誤，偶爾過度自信。

開源OpenAI Evals,用于創建和運行評估GPT-4等模型的基準，同時逐個樣本檢查其性能。

OpenAI已經正式推出GPT-4，這也是OpenAI在擴大深度學習方面的最新里程碑。GPT-4是大型的多模態模型（能夠接受圖像和文本類型的輸入，給出文本輸出），盡管GPT-4在許多現實世界的場景中能力不如人類，但它可以在各種專業和學術基準上，表現出近似人類水平的性能。

例如：GPT-4通過了模擬的律師考試，分數約為全部應試者的前10%。而相比之下，GPT-3.5的分數大約是后10%。我們團隊花了6個月的時間，利用我對抗性測試項目以及基于ChatGPT的相關經驗，反復對GPT-4進行調整。結果是，GPT-4在事實性（factuality）、可引導性（steerability）和拒絕超范圍解答（非合規）問題（ refusing to go outside of guardrails.）方面取得了有史以來最好的結果（盡管它還不夠完美）

BEANZ Official #7958在OpenSea被盜，并已在Blur售出:金色財經報道，據PeckShieldAlert監測，BEANZ Official #7958 在OpenSea被Fake_Phishing179486竊取，并已在Blur以1.33ETH的價格售出。[2023/5/22 15:18:04]

在過去兩年里，我們重構了整個深度學習堆棧，并與Azure合作，為工作負荷從頭開始，共同設計了一臺超級計算機。一年前，OpenAI訓練了GPT-3.5，作為整個系統的首次 "試運行"，具體來說，我們發現并修復了一些錯誤，并改進了之前的理論基礎。因此，我們的GPT-4訓練、運行（自信地說：至少對我們來說是這樣！）空前穩定，成為我們首個訓練性能可以進行提前準確預測的大模型。隨著我們繼續專注于可靠擴展，中級目標是磨方法，以幫助OpenAI能夠持續提前預測未來，并且為未來做好準備，我們認為這一點，對安全至關重要。

我們正在通過ChatGPT和API（您可以加入WaitList）發布GPT-4的文本輸入功能，為了能夠更大范圍地提供圖像輸入功能，我們正在與合作伙伴緊密合作，以形成一個不錯的開端。我們計劃開源OpenAI Evals，也是我們自動評估AI模型性能的框架，任何人都可以提出我們模型中的不足之處，以幫助它的進一步的改進。

在簡單閑聊時，也許不太好發現GPT-3.5和GPT-4之間的區別。但是，當任務的復雜性達到足夠的閾值時，它們的區別就出來了。具體來說，GPT-4比GPT-3.5更可靠，更有創造力，能夠處理更細微的指令。

為了理解這兩個模型之間的差異，我們在各種不同的基準上進行了測試，包括模擬最開始那些為人類設計的考試。通過使用最新的公開測試（就奧數和AP等等考試）還包括購買2022-2023年版的練習考試來進行，我們沒有為這類考試給模型做專門的培訓，當然，考試中存在很少的問題是模型在訓練過程中存在的，但我們認為下列結果是有代表性的。

法律人士：前OpenSea高管的內部交易事件或激怒監管機構:9月17日消息，OpenSea表示，在一名前高管被發現利用內幕消息交易NFT之后，該平臺正在實施新程序。法律消息人士稱，雖然這些行為并未觸犯法律，但可能會引起已經對該行業進行嚴格審查的監管機構的憤怒。周四，OpenSea表示，前產品負責人Nate Chastain已被要求辭職。（The Block）[2021/9/17 23:30:56]

我們還在為機器學習模型設計的傳統基準上，對GPT-4進行了評估。GPT-4大大超過現有的大語言模型，與多數最先進的（SOTA）模型并駕齊驅，這些模型包括針對基準的制作或額外的訓練協議。

由于現有的大多數ML基準是用英語編寫的，為了初步了解其他語言的能力，我們使用Azure Translate將MMLU基準：一套涵蓋57個主題的14000個選擇題，翻譯成了各種語言。在測試的26種語言中的24種語言中，GPT-4的表現優于GPT-3.5和其他大模型（Chinchilla，PaLM）的英語表現，這種優秀表現還包括類似拉脫維亞語、威爾士語和斯瓦希里語等等。

我們一直在內部使用GPT-4，發現它對支持、銷售、內容審核和編程等功能會產生很大影響，我們還在用它來協助人類評估AI的輸出，這就是我們調整戰略的第二階段的開始。

GPT-4可以接受文本和圖像的提示語（prompt），這與純文本設置平行。比如說，可以讓用戶指定任何視覺或語言任務，它可以生成文本輸出（自然語言、代碼等），給定的輸入包括帶有文字和照片的文件、圖表或屏幕截圖，GPT-4表現出與純文本輸入類似的能力。此外，還可以應用在為純文本語言模型開發的測試時間技術，包括少數幾個鏡頭和CoT的Prompting，不過目前圖像輸入仍然屬于研究方面預覽，沒有像C端公開產品。

ETC Cooperative：Hyperledger Besu v20.10.0-RC2已準備就緒:ETC Cooperative發推稱，隨著11.7M區塊的激活設置，Thanos ETC網絡升級正在快速臨近。Thanos實施ECIP-1099“Epoch校準”，這允許在ETC上進行GPU挖礦的長期可行性。Hyperledger Besu v20.10.0-RC2已準備就緒。[2020/11/2 11:26:43]

下列圖片顯示了一個 "Lightning Cable "適配器的包裝，有三個面板。

面板1：一個帶有VGA接口（通常用于電腦顯示器的大型藍色15針接口）的智能手機插在其充電端口。

面板2："Lightning Cable "適配器的包裝上有一張VGA接口的圖片。

面板3：VGA連接器的特寫，末端是一個小的Lightning連接器（用于為iPhone和其他蘋果設備充電）。

這張圖片的搞笑性質來自于將一個大的、過時的VGA連接器插入一個小的、現代的智能手機充電端口..因此看起來很荒謬

通過在一套狹窄的標準學術視覺基準上，對GPT-4的性能進行評估，并且對它進行預覽。然而，這些數字并不能代表其的能力范圍，因為我們發現，這個模型能夠處理很多的新的和令人興奮的任務，OpenAI計劃很快發布進一步的分析和評估數字，以及對測試時間技術效果的徹底調查結果。

我們一直在努力實現關于定義AI行為那篇文章中，所概述的計劃的每個方面，包括AI的可控制性。與經典的ChatGPT個性的固定言語、語氣和風格不同，開發者（很快就是所有的ChatGPT用戶）現在可以通過在 "系統 "消息中描述這些方向，來規定自己的AI的風格和任務。系統消息允許API用戶在范圍內，大幅對用戶體驗進行定制，我們將持續改進。

NEM已在OpenLedger開放交易:OpenLedger發布官方公告稱，NEM (XEM) 現已在OpenLedger開放交易，包括XEM / USD，XEM / CNY，XEM / ETH，XEM / BTC和XEM / EOS交易對。NEM是全球首個智能資產區塊鏈。 NEM的區塊鏈技術專為企業級績效而打造，為管理幾乎任何類型的資產提供了世界級的平臺，包括貨幣，供應鏈，公證，所有權記錄等。[2018/4/5]

盡管能力驚人，不過，GPT-4仍存在與早期GPT模型類似的限制。最重要的是，它仍然不是完全可靠的（比如說，它會對事實產生 "幻覺"，并出現推理錯誤）。在使用語言模型的輸出時，特別是在高風險的情況下，應該非常小心謹慎，比如說：需要人類審查，完全避免高風險的使用）以及需要與特定的使用案例的需求相匹配。

盡管各類情況仍然存在，但相較于以前的模型（這些模型本身也在不斷改進），GPT-4大大減少了hallucinations（意思是網絡錯覺，這里指的是一本正經的胡說八道）。在我們內部的對抗性事實性評估中，GPT-4的得分比我們最新推出的GPT-3.5高40%。

GPT-4的基礎模型在這項任務中只比GPT-3.5略勝一籌；然而，在經過RLHF的后期訓練后（應用我們對GPT-3.5使用的相同過程），卻有很大差距。該模型在其輸出中會有各種偏差，我們在這些方面已經取得了進展，但仍有更多工作要做。根據我們最近的博文，我們的目標是使我們建立的人工智能系統具有合理的默認行為，以反映廣泛的用戶價值觀，允許這些系統在廣泛的范圍內被定制，并獲得公眾對這些范圍的意見。

GPT-4通常缺乏對其絕大部分數據截止后（2021年9月）發生的事件的了解，也不會從其經驗中學習。它有時會犯一些簡單的推理錯誤，這似乎與這么多領域的能力不相符，或者過于輕信用戶的明顯虛假陳述。有時它也會像人類一樣在困難的問題上失敗，例如在它產生的代碼中引入安全漏洞。GPT-4也可能在預測中自信地犯錯。

Opera瀏覽器將發布“反惡意挖比特幣”功能:加密貨幣惡意挖掘軟件最近已經成為網絡安全領域的熱門話題，目前一些流行的互聯網瀏覽器已經開始針對這一問題提供防護。Opera瀏覽器的開發者已經宣布，他們軟件的下一個版本將提供一個內置的“反比特幣挖礦”功能，簡稱為Nocoin。這個新的保護功能有望阻止任何可能濫用設備計算能力的加密貨幣挖掘腳本。Opera軟件團隊成員Kornelia Mielczarczyk向用戶解釋說，如果你的電腦突然變得很熱，CPU使用率突然變成了100%，電腦風扇瘋狂的轉，電池很快要被耗盡了，這一切看似毫無理由，但卻表明很有可能有人利用你的計算機在挖掘比特幣。[2017/12/27]

我們一直在對GPT-4進行迭代，使其從訓練開始就更加安全，保持一致性，我們所做的努力包括預訓練數據的選擇和過濾、評估，邀請專家參與，對模型安全改進、監測，以及執行。

GPT-4與過去的模型會存在類似風險，如生產有害的建議、錯誤代碼或不準確的信息。然而，GPT-4的額外能力還導致了新的風險面。為了明確這些風險的具體情況，我們聘請了50多位來自人工智能對接風險、網絡安全、生物風險、信任和安全以及國際安全等領域的專家對該模型進行對抗性測試。他們的參與，使我們能夠測試模型在高風險領域的行為，這些領域需要專業知識來評估。來自這些領域專家的反饋和數據，為我們緩解和改進模型提供了依據。比如說，我們已經收集了額外的數據，以提高GPT-4拒絕有關如何合成危險化學品的請求的能力。

GPT-4在RLHF訓練中加入了一個額外的安全獎勵信號，通過訓練模型來拒絕對此類內容的請求，從而減少有害產出（由我們的使用指南定義）。獎勵是由GPT-4的分類器提供的，它能夠判斷安全邊界和安全相關提示的完成方式。為了防止模型拒絕有效的請求，我們從不同的來源（例如，標記的生產數據，人類的紅隊，模型生成的提示）收集多樣化的數據集，并在允許和不允許的類別上應用安全獎勵信號（存在正值或負值）。

與GPT-3.5相比，我們的緩解措施大大改善了GPT-4的許多安全性能。與GPT-3.5相比，我們將模型對非法內容的請求的響應傾向，降低了82%，而GPT-4對敏感請求（如醫療建議和自我傷害）的響應符合我們的政策的頻率提高了29%

總的來說，我們的模型級干預措施增加了誘發不良行為的難度，但仍然存在 "越獄 "的情況，以產生違反我們使用指南的內容。隨著人工智能系統的 風險的增加，在這些干預措施中實現極高的可靠性將變得至關重要。目前重要的是，用部署時間的安全技術來補充這些限制，如想辦法監測。

GPT-4和后續模型，很有可能對社會產生正面或者負面的影響，我們正在與外部研究人員合作，以改善我們對潛在影響的理解和評估，以及建立對未來系統中可能出現的危險能力的評估。我們將很快分享我們對GPT-4和其他人工智能系統的潛在社會和經濟影響的更多思考。

和之前的GPT模型一樣，GPT-4基礎模型的訓練是為了預測文檔中的下一個單詞，并使用公開的數據（如互聯網數據）以及我們授權的數據進行訓練。這些數據是來自于極大規模的語料庫，包括數學問題的正確和錯誤的解決方案，弱的和強的推理，自相矛盾的和一致的聲明，以及種類繁多的意識形態和想法。

因此，當被提示有一個問題時，基礎模型可以以各種各樣的方式作出反應，而這些反應可能與用戶的意圖相去甚遠。為了使其與用戶的意圖保持一致，我們使用人類反饋的強化學習（RLHF）對模型的行為進行微調。

注意，模型的能力似乎主要來自于預訓練過程，RLHF并不能提高考試成績（如果不主動努力，它實際上會降低考試成績）。但是對模型的引導來自于訓練后的過程--基礎模型需要及時的工程，甚至知道它應該回答問題。

GPT-4項目的一大重點是建立一個可預測擴展的深度學習棧。主要原因是，對于像GPT-4這樣非常大的訓練運行，做大量的特定模型調整是不可行的。我們對基礎設施進行了開發和優化，在多種規模下都有非常可預測的行為。為了驗證這種可擴展性，我們提前準確地預測了GPT-4在我們內部代碼庫（不屬于訓練集）中的最終損失，方法是通過使用相同的方法訓練的模型進行推斷，但使用的計算量要少10000倍。

我們認為，準確預測未來的機器學習能力是安全的一個重要部分，相對于其潛在的影響，它沒有得到足夠的重視（盡管我們已經被幾個機構的努力所鼓舞）。我們正在擴大我們的努力，開發一些方法，為社會提供更好的指導，讓人們了解對未來系統的期望，我們希望這成為該領域的一個共同目標。

我們正在開源OpenAI Evals，這是我們的軟件框架，用于創建和運行評估GPT-4等模型的基準，同時逐個樣本檢查其性能。我們使用Evals來指導我們模型的開發（包括識別缺點和防止退步），我們的用戶可以應用它來跟蹤不同模型版本（現在將定期推出）和不斷發展的產品集成的性能。例如，Stripe已經使用Evals來補充他們的人工評估，以衡量他們的GPT驅動的文檔工具的準確性。

因為代碼都是開源的，Evals支持編寫新的類來實現自定義的評估邏輯。然而，根據我們自己的經驗，許多基準都遵循一些 "模板 "中的一個，所以我們也包括了內部最有用的模板（包括一個 "模型分級Evals "的模板--我們發現GPT-4有令人驚訝的能力來檢查自己的工作）。一般來說，建立一個新的評估的最有效方法是將這些模板中的一個實例化，并提供數據。我們很高興看到其他人能用這些模板和Evals更廣泛地建立什么。

我們希望Evals成為一個分享和眾包基準的工具，最大限度地代表廣泛的故障模式和困難任務。作為后續的例子，我們已經創建了一個邏輯謎題評估，其中包含GPT-4失敗的十個提示。Evals也與實現現有的基準兼容；我們已經包括了幾個實現學術基準的筆記本和一些整合CoQA（小的子集）的變化作為例子。

我們邀請大家使用Evals來測試我們的模型，并提交最有趣的例子。我們相信Evals將成為使用和建立在我們的模型之上的過程中不可或缺的一部分，我們歡迎直接貢獻、問題和反饋。

ChatGPT Plus

ChatGPT Plus用戶將在chat.openai.com上獲得有使用上限的GPT-4權限。我們將根據實際需求和系統性能調整確切的使用上限，但我們預計容量將受到嚴重限制（盡管我們將在接下來的幾個月里擴大和優化）。

根據我們看到的流量模式，我們可能會為更高的GPT-4使用量引入一個新的訂閱級別，我們也希望在某個時候提供一定數量的免費GPT-4查詢，這樣那些沒有訂閱的用戶也可以嘗試。

API

要獲得GPT-4的API（使用與gpt-3.5-turbo相同的ChatCompletions API），請可以去OpenAI的官方Waitlist上注冊。

結論

我們期待著GPT-4成為一個有價值的工具，通過為許多應用提供動力來改善人們的生活。還有很多工作要做，我們期待著通過社區的集體努力，在這個模型的基礎上進行建設、探索和貢獻，共同對模型進行改進。

參考文獻：1.https://openai.com/research/gpt-4

2.https://techcrunch.com/2023/03/14/openai-releases-gpt-4-ai-that-it-claims-is-state-of-the-art/

3.https://www.theverge.com/2023/3/14/23638033/openai-gpt-4-chatgpt-multimodal-deep-learning

阿法兔

個人專欄

閱讀更多

金色財經 善歐巴

金色早8點

Arcane Labs

MarsBit

Odaily星球日報

歐科云鏈

深潮TechFlow

BTCStudy

澎湃新聞

Tags：GPTOPENPENNAINOISEGPTOpen Proprietary ProtocolOPEN價格Baby Billionaires Club

火幣APP