OpenAI 为 ChatGPT 推出插件功能
OpenAI 官方宣布已在 ChatGPT 中实现插件的初始支持。这些插件是专为大语言模型设计的工具,以安全为核心原则,可帮助 ChatGPT 获取最新信息、运行计算或调用第三方服务。
推荐理由:官方说明了插件的设计出发点,读者可据此理解 ChatGPT 如何接入实时信息与外部服务。
OpenAI 的全部动态:GPT 系列模型、ChatGPT 与 Sora 产品、公司战略与人事的持续追踪。
OpenAI 官方宣布已在 ChatGPT 中实现插件的初始支持。这些插件是专为大语言模型设计的工具,以安全为核心原则,可帮助 ChatGPT 获取最新信息、运行计算或调用第三方服务。
推荐理由:官方说明了插件的设计出发点,读者可据此理解 ChatGPT 如何接入实时信息与外部服务。
OpenAI 发布 GPT-4,称其为该公司扩展深度学习进程中的最新里程碑。GPT-4 是一个大型多模态模型,接受图像和文本输入、输出文本,在多种专业和学术基准上展现人类水平表现,同时在许多真实场景中仍不及人类。
推荐理由:原文点明了GPT-4的多模态输入能力和基准表现定位,读者可据此理解这一代模型相对前代的关键变化。
OpenAI 发布 GPT-4,官方介绍称它能在创意与技术写作任务上与用户共同生成、编辑和迭代,例如作曲、编写剧本或学习用户的写作风格。
OpenAI 宣布推出 ChatGPT 的试点订阅计划 ChatGPT Plus。ChatGPT 是一款对话式 AI,可以与用户聊天、回答后续问题并质疑不正确的假设。
OpenAI 宣布训练出名为 ChatGPT 的模型,它以对话方式交互,可通过对话格式回答后续问题、承认自身错误、质疑不正确的前提并拒绝不当请求。
OpenAI 宣布训练并开源神经网络 Whisper,称其在英文语音识别上接近人类水平的鲁棒性和准确性。
OpenAI 宣布 DALL·E 现已进入 beta 阶段,将在未来几周内从等候名单邀请 100 万人使用。用户可用每月自动补充的免费额度进行创作,也可以 15 美元购买 115 次生成的额外额度。
推荐理由:原文给出了开放节奏和定价细节,读者可据此判断其可用性与使用成本。
OpenAI 发布 InstructGPT 系列语言模型,称其遵循用户意图的能力优于 GPT-3,同时更真实、毒性更低,采用对齐研究中的人类参与训练技术,现已在 API 中设为默认语言模型。
推荐理由:说明了用人类反馈对齐技术让模型更好遵循指令并降低毒性,可迁移至同类模型训练。
OpenAI 发布名为 CLIP 的神经网络,通过自然语言监督高效学习视觉概念。CLIP 只需提供待识别的视觉类别名称即可应用于任意视觉分类基准,其零样本能力与 GPT-2 和 GPT-3 类似。
OpenAI 宣布训练出名为 DALL·E 的神经网络,可根据文本描述为自然语言可表达的广泛概念生成图像。
推荐理由:原文点明了从文本生成图像这一能力方向,读者可据此理解多模态生成的早期定位。
OpenAI 已同意将 GPT-3 技术授权给 Microsoft,供其用于自家产品和服务。
OpenAI 发布 API,供开发者访问 OpenAI 开发的新 AI 模型。
OpenAI 发布论文《Language models are few-shot learners》,探讨语言模型的少样本学习能力。抓取失败,仅标题可用,正文内容缺失。
OpenAI 发布 Jukebox,一个能以原始音频形式生成多种音乐流派和歌手风格音乐的神经网络,其中包含初步的歌唱能力。OpenAI 同时开源了模型权重和代码,并提供了一个用于浏览生成样本的工具。
推荐理由:原文说明了模型能生成的音频形态与开放程度,读者可据此判断其可复用性。
OpenAI 发布关于神经语言模型缩放定律(Scaling laws for neural language models)的研究,材料抓取失败,仅标题可用,具体内容未提供。
OpenAI 发布 GPT-2 最大的 1.5B 参数版本,同时开放代码和模型权重以便利对 GPT-2 输出的检测,这是 GPT-2 分阶段发布的最终模型。作者表示自 8 月以来已有更大的语言模型发布,但仍按原计划推进,希望这一完整分阶段发布流程能为未来强大模型的开发者提供参考,并继续与 AI 社区讨论负责任的发布方式。
推荐理由:原文交代了分阶段发布计划的收尾背景,读者可借此理解负责任发布这一做法的完整流程。
OpenAI 训练了一对神经网络,让类人机器人手解开魔方。训练完全在模拟环境中进行,使用了与 OpenAI Five 相同的强化学习代码,并结合一种名为 Automatic Domain Randomization (ADR) 的新技术。系统能应对训练中未见过的情况,例如被毛绒长颈鹿戳碰,表明强化学习可解决物理世界中要求极高灵巧度的问题。
推荐理由:原文点明训练完全在模拟中完成并迁移到物理世界,读者可据此理解强化学习在真实机器人上的可行性路径。
OpenAI 报告在新的模拟捉迷藏环境中训练智能体,观察到它们在简单游戏中逐步发现愈发复杂的工具使用,累计形成六种不同的策略与反策略,其中部分策略是作者此前不知道环境所支持的。这种简单环境中的自监督涌现复杂性表明,多智能体协同适应有朝一日可能产生极其复杂和智能的行为。
推荐理由:原文以捉迷藏游戏为例说明多智能体对抗如何催生出连作者都未预料的工具使用策略,可帮助理解涌现行为的研究路径。
OpenAI 在发布 124M 小模型、分阶段发布 355M 中模型及相关误用与社会效益研究后,正式发布 774M 参数的 GPT-2 语言模型。同时发布一份开源法律协议,方便组织之间发起模型共享合作,并公布技术报告介绍其与 AI 研究社区协调发布规范的经验。
推荐理由:原文交代了分阶段发布路径与配套法律协议,读者可了解其模型共享合作的落地方式。
Microsoft 向 OpenAI 投资 10 亿美元,支持其构建具有广泛经济收益的人工通用智能(AGI)。双方将在 Microsoft Azure 内共同开发可扩展至 AGI 的软硬件平台,联合开发新的 Azure AI 超算技术,Microsoft 将成为 OpenAI 的独家云提供商。
推荐理由:官方公告点明投资金额与独家云合作方式,可据此理解早期AGI路线中算力绑定的战略选择。