OpenAI宣布创建GPT-4，这是一个大型多模态模型，能够接受图像和文本输入，同时发出文本输出。该模型在各种专业和学术基准上表现出人类水平的性能，尽管它在许多现实世界的场景中的能力不如人类。例如，GPT-4的模拟律师考试分数约为应试者的前10%，而GPT-3.5的分数则约为后10%。OpenAI花了6个月时间，利用从他们的对抗性测试项目和其他来源获得的经验，反复调整GPT-4。因此，该模型在事实性、可引导性和保持在护栏内等方面的表现比以前的版本更好，但仍有改进的空间。
GPT-3.5和GPT-4之间的差异在闲谈中可能是微妙的，但在处理复杂的任务时就变得很明显。GPT-4在可靠性、创造性和处理细微指令的能力方面优于GPT-3.5。各种基准被用来测试两个模型之间的差异，包括最初为人类准备的模拟考试。所用的考试是最新的公开考试或明确为此目的而购买的2022-2023年练习考试。没有为这些考试做专门的训练，尽管模型之前在训练中遇到了一小部分问题。获得的结果被认为是有代表性的，可以在技术报告中找到。
一些比较的结果
Source : https://openai.com/research/gpt-4
Source : https://openai.com/research/gpt-4
视觉输入
🔥推荐阅读-利用TensorLeap进行有效的迁移学习：克服领域差距
GPT-4可以处理文本和图像输入，允许用户指定任何语言或视觉任务。它可以根据包括各种领域的文字和图像的输入，如带有文字的文件、照片、图表或屏幕截图，生成自然语言和代码等文本输出。GPT-4在纯文本和混合输入上显示类似的能力。它还可以用为纯文本语言模型开发的技术来加强，如少数几个镜头和思维链的提示。然而，图像输入功能仍处于研究阶段，没有公开提供。
局限性
尽管GPT-4具有令人印象深刻的能力，但它与它的前辈们有着类似的局限性。它的主要局限性之一是缺乏完全的可靠性，因为它仍然倾向于产生不正确的信息和推理错误，通常被称为 “幻觉”。因此，在利用语言模型输出时，尤其是在高风险的情况下，谨慎行事是至关重要的。为了解决这个问题，应该根据具体的使用情况采取不同的方法，如人工审查、以额外的背景为基础，或完全避免高风险的使用。
尽管它仍然面临着可靠性的挑战，但与以前的模型相比，GPT-4在减少幻觉方面显示出明显的改进。内部对抗性事实评估表明，GPT-4的得分比最新的GPT-3.5模型高40%，比以前的迭代有很大的改进。
语言模型GPT-4可能在其输出中表现出偏差，尽管努力减少偏差。该模型的知识仅限于2021年9月之前的事件，需要从经验中学习。它有时会犯推理错误，过于轻信他人，并在困难的问题上失败，与人类类似。GPT-4可能会自信地做出不正确的预测，通过目前的后期训练过程，它的校验率会降低。然而，目前正在努力确保该模型具有合理的默认行为，反映出广泛的用户价值，并可在一定范围内根据公众的意见进行定制。
评论留言