OpenAI 发布 ChatGPT
OpenAI 发布能进行对话式交互的模型 ChatGPT,支持回答追问、承认错误、反驳错误前提并拒绝不当请求。
推荐理由:ChatGPT 官方首次介绍,明确了对话式交互和纠正错误、拒绝不当请求等能力边界。
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 发布能进行对话式交互的模型 ChatGPT,支持回答追问、承认错误、反驳错误前提并拒绝不当请求。
推荐理由:ChatGPT 官方首次介绍,明确了对话式交互和纠正错误、拒绝不当请求等能力边界。
OpenAI 宣布 DALL·E API 开始接受公开测试。即日起,开发者即可使用该 API 构建应用程序。
OpenAI 官方宣布 DALL·E 现已取消等待名单,新用户可立即开始创建。该变更基于此前部署经验及安全系统的改进实现。
推荐理由:官方宣布 DALL·E 开放入口,基于部署经验与安全改进的可用性变化是核心信息。
OpenAI 训练并开源了名为 Whisper 的神经网络,其在英语语音识别上具备接近人类水平的鲁棒性和精度。
推荐理由:官方开源了具备类人鲁棒性和精度的英语语音识别模型。
OpenAI 宣布 DALL·E 已开放测试版访问。平台将在未来数周内向候补名单上的 100 万人发送邀请,用户可使用每月自动重置的免费额度生成图像,亦可按 115 次生成计 15 美元的价格购买额外额度。
推荐理由:官方公告说明了 DALL·E 测试版的用户邀请计划与具体计费模式,方便读者了解早期使用成本。
OpenAI 发布了 InstructGPT 模型,该模型比 GPT-3 更擅长遵循用户意图,同时具有更高的真实性且毒性更低。InstructGPT 通过人类在环的技术进行训练,目前已成为 OpenAI API 的默认语言模型。
推荐理由:InstructGPT 将人类在环训练引入默认 API 模型,展示了提升指令遵循与降低毒性对齐的具体路径。
OpenAI 在 API 中推出 embeddings 端点,支持语义搜索、聚类、主题建模和分类等自然语言及代码任务。
推荐理由:该功能为文本和代码任务提供了统一的向量化入口,读者可以据此了解 OpenAI API 在语义检索和分类等场景中的具体应用。
OpenAI 微调 GPT-3,利用文本网页浏览器回答开放性问题,以提升模型的事实准确性。
OpenAI 宣布其 API 已无需等待名单即可使用。官方称,这一范围的扩大得益于安全进展。
推荐理由:这是 OpenAI 官方里程碑,读者可据此确认其 API 已全面开放且无需排队申请,并了解开放与模型安全进展挂钩的官方叙事。
OpenAI 介绍了一种名为 CLIP 的神经网络,它通过自然语言监督高效学习视觉概念。CLIP 可用于任何视觉分类基准,只需提供要识别的视觉类别名称即可,具有类似 GPT-2 和 GPT-3 的零样本能力。
推荐理由:展示了通过自然语言监督学习视觉概念的方法,确立了零样本图像分类的新范式。
OpenAI已同意向微软授权GPT-3技术,允许其将其用于自有的产品和服务中。
推荐理由:该交易确立了大厂间基于核心模型的独家授权模式,为后续行业竞争格局提供了关键参考。
OpenAI 官方宣布推出 API,允许开发者接入 OpenAI 开发的新 AI 模型。
推荐理由:官方说明新增了访问 OpenAI 新模型的入口,读者可据此判断如何接入其生成式模型能力。
OpenAI 发布 Jukebox,这是一个能生成多风格、含基础演唱的原始音频音乐的神经网络模型。官方同时开源了模型权重、代码以及用于探索生成样本的工具。
OpenAI 宣布将其深度学习框架标准化为 PyTorch。
推荐理由:宣布了技术栈统一,帮助判断其工程选型与内部开发范式的变化。
OpenAI 发布 GPT-2 阶段发布计划的最后一版,即 1.5B 参数模型,并开放代码与模型权重,便于检测 GPT-2 模型输出。原文说明,尽管 8 月以来已有更大的语言模型发布,OpenAI 仍按原计划推进,希望这一完整的阶段发布实践能对未来开发强大模型的团队有帮助,并继续与 AI 社区讨论负责任的发布方式。
推荐理由:GPT-2 1.5B 作为阶段发布计划最后一版同步开放代码与权重,为社区提供了检测 GPT-2 输出的工具。
OpenAI 发布 7.74 亿参数的 GPT-2 语言模型,这是继今年 2 月发布 1.24 亿参数小模型、5 月发布 3.55 亿参数中等模型后的后续行动。官方同步推出开源法律协议以便机构建立模型共享伙伴关系,并发表技术报告说明与 AI 研究界协调发布规范的经验。
推荐理由:官方说明分阶段发布774M参数模型及开源协议,展示了协调AI社区处理潜在滥用的具体实践。
微软宣布向OpenAI投资10亿美元,双方将合作开发Azure平台内可规模化至AGI的软硬件平台。根据协议,微软成为OpenAI的独家云服务商,双方将共同开发新一代Azure AI超计算技术,并致力于扩展其在大规模AI系统中的能力。
推荐理由:披露了微软投资10亿美元并建立Azure独家云合作的具体条件,为理解双方硬件加速与AI算力布局提供基准。
OpenAI 创立了名为 OpenAI LP 的新“限制利润”公司。该结构旨在加速增加对算力及人才的投入,同时通过设置检查制衡机制来落实公司使命。
推荐理由:原文说明了通过设立限制利润实体以加速算力投入且保障使命的机制,读者可据此判断其资金组织形式与研发优先级。
OpenAI发布了一种名为Evolved Policy Gradients (EPG) 的实验性元学习方法。该方法通过进化学习代理的损失函数来实现在全新任务上的快速训练,使得代理在面对超出其训练机制的测试任务时(如在房间不同侧面寻找物体)也能成功执行。
推荐理由:介绍了一种通过进化损失函数来加速新任务训练的实验性元学习方法,其核心价值在于揭示了提升智能体快速适应未知环境能力的技术路径。
OpenAI 发布 Proximal Policy Optimization 强化学习算法,其性能与现有最先进方法相当或更优,且实现与调优更简单,因此成为 OpenAI 内部默认的强化学习算法。
推荐理由:该算法实现简洁且易于调优,已成为 OpenAI 强化学习工作的默认方法,适合需要低成本落地的工程参考。