OpenAI 剛剛宣布正式推出GPT-4。GPT-4 是 Generative Pre-trained Transformer 4 的縮寫(xiě)，即生成型預(yù)訓(xùn)練變換模型 4。

公告寫(xiě)道，GPT-4 是一個(gè)多模態(tài)大型語(yǔ)言模型（支持接受圖像和文本輸入，以文本形式輸出），也是 OpenAI 努力擴(kuò)展深度學(xué)習(xí)的最新里程碑。雖然 GPT-4 對(duì)于許多現(xiàn)實(shí)場(chǎng)景的處理比人類(lèi)差，但它在各種體現(xiàn)專(zhuān)業(yè)和學(xué)術(shù)能力的 benchmark 上，已表現(xiàn)出和人類(lèi)相當(dāng)?shù)乃健?例如，GPT-4 通過(guò)了模擬律師考試，其分?jǐn)?shù)在應(yīng)試者的前 10% 左右；相比之下，GPT-3.5 的得分卻在倒數(shù) 10% 左右。OpenAI 表示，他們花了 6 個(gè)月的時(shí)間來(lái)使用對(duì)抗性測(cè)試程序，以及通過(guò) ChatGPT 的經(jīng)驗(yàn)教訓(xùn)迭代調(diào)整 GPT-4，從而在真實(shí)性和可控性等方面取得了有史以來(lái)最好的結(jié)果（盡管遠(yuǎn)非完美）。 使用示例 OpenAI 用一張梗圖演示了 GPT-4 特有的「多模態(tài)」功能。 用戶提問(wèn)：解釋下圖的笑點(diǎn)是什么，并對(duì)圖片中的每部分進(jìn)行描述。

GPT-4：

The image shows a package for a "Lightning Cable" adapter with three panels. Panel 1: A smartphone with a VGA connector (a large, blue, 15-pin connector typically used for computer monitors) plugged into its charging port. Panel 2: The package for the "Lightning Cable" adapter with a picture of a VGA connector on it. Panel 3: A close-up of the VGA connector with a small Lightning connector (used for charging iPhones and other Apple devices) at the end. The humor in this image comes from the absurdity of plugging a large, outdated VGA connector into a small, modern smartphone charging port.

翻譯如下：

圖片顯示了一個(gè) "Lightning Cable" 適配器的包裝，總共包含三個(gè)部分。 面板 1：一部智能手機(jī)，其充電端口插著一個(gè) VGA 接口（大的藍(lán)色 15 針接口，通常用于電腦顯示器）。 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(xiě)，末端是一個(gè)小的 Lightning 連接器（用于為 iPhone 和其他蘋(píng)果設(shè)備充電）。 這張圖片的笑點(diǎn)來(lái)自于：展示了將一個(gè)大的、過(guò)時(shí)的 VGA 連接器插入一個(gè)小的、現(xiàn)代的智能手機(jī)充電端口的荒謬性。

上面的例子看起來(lái)很簡(jiǎn)單，OpenAI 緊接著展示了高級(jí)用法 —— 像人類(lèi)一樣讀論文。簡(jiǎn)單來(lái)說(shuō)就是給 GPT-4 提供論文的圖片格式文件，讓它閱讀并總結(jié)出要點(diǎn)。效果如下：

甚至直接讓 GPT-4 回答圖片中對(duì)應(yīng)題號(hào)的問(wèn)題：

GPT-4 局限性 盡管功能強(qiáng)大，但 GPT-4 與早期的 GPT 模型具有相似的局限性，即生成的結(jié)果不符合事實(shí)。因此它仍然不完全可靠（它會(huì)產(chǎn)生 “幻覺(jué)” 事實(shí)并出現(xiàn)推理錯(cuò)誤）。 雖然這仍然是一個(gè)問(wèn)題，但 GPT-4 相對(duì)于以前的模型（它們本身在每次迭代中都在改進(jìn)）顯著減少了 “幻覺(jué)”。在內(nèi)部的對(duì)抗性真實(shí)性評(píng)估中，GPT-4 的得分比最新的 GPT-3.5 高 40%：

與 GPT 3.5 的對(duì)比 據(jù)介紹，對(duì)于日常的談話，GPT-3.5 和 GPT-4 之間的區(qū)別可能很微妙。但當(dāng)任務(wù)的復(fù)雜性達(dá)到足夠的閾值時(shí)，差異就會(huì)出現(xiàn) ——GPT-4 比 GPT-3.5 更可靠、更有創(chuàng)意，并且能夠處理更細(xì)微的指令。 為了了解這兩種模型之間的區(qū)別，OpenAI 通過(guò)各種 benchmark 進(jìn)行了測(cè)試，包括最初為人類(lèi)設(shè)計(jì)的模擬考試。從下圖可以看出，GPT-4 的成績(jī)大部分都比 GPT-3 好。

GPT-4 也在多項(xiàng)測(cè)試項(xiàng)目中取得了接近滿分的成績(jī)：

USABO Semifinal Exam 2020（美國(guó)生物奧林匹克競(jìng)賽）

GRE 口語(yǔ)

OpenAI 還將機(jī)器學(xué)習(xí)模型的傳統(tǒng) benchmark 用于評(píng)估 GPT-4。結(jié)果顯示，GPT-4 已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)現(xiàn)有的大型語(yǔ)言模型，以及大多數(shù)最先進(jìn)的 (SOTA, state-of-the-art) 模型。benchmark 數(shù)據(jù)如下：

在 MMLU benchmark 中（一個(gè)基準(zhǔn)數(shù)據(jù)集，包括來(lái)自于 STEM、人文、社科等 57 個(gè)學(xué)科的選擇題，它用于測(cè)試 LLM 的世界知識(shí)和問(wèn)題解答的能力），GPT-4 處理中文的準(zhǔn)確度大約是 80%，已經(jīng)優(yōu)于其他 LLM 的英文表現(xiàn)，比如 GPT-3.5、Chinchilla、PALM。

試用方式

ChatGPT Plus 訂閱用戶可嘗鮮體驗(yàn)，他們將在 chat.openai.com 上獲得具有使用s上限的 GPT-4 訪問(wèn)權(quán)限。

調(diào)用 API，訪問(wèn)
https://openai.com/waitlist/gpt-4進(jìn)入等待名單

另外，

現(xiàn)在只支持純文本的請(qǐng)求（圖像輸入還在 alpha 階段）

定價(jià)：prompt - $0.03 per 1k token, completion - $0.06 per 1k token

context 長(zhǎng)度為 8192 tokens，并且提供 32768 token 的版本（價(jià)格也更貴，$0.06 & $0.12)

審核編輯 ：李倩