OpenAI 正式发布新一代多模态模型 GPT-4。该模型支持图文输入与文本输出,在多项专业及学术基准测试中展现出类人水平性能。本文旨在解析 GPT-4 的核心功能、技术局限、安全风险及获取方式,帮助读者全面评估其应用价值。
核心功能升级
相较于 GPT-3.5,GPT-4 在可靠性、创造力及复杂指令遵循能力上均有显著提升。在针对人类设计的模拟考试等基准测试中,其表现优于现有主流大语言模型。此外,GPT-4 在多语言能力方面取得突破,即便在拉脱维亚语、威尔士语和斯瓦希里语等低资源语种上也表现出色。
视觉输入能力
GPT-4 具备多模态处理能力,可同时接收图像与文本输入并生成相应文本。尽管视觉功能目前仍处于研究预览阶段,但已展现出与纯文本处理相当的能力水平。
可控性与个性化
OpenAI 强化了模型的可控性设计。开发者可通过“系统”消息定义 AI 的行为风格与任务边界;API 用户亦可在一定范围内定制交互体验,实现高度个性化的应用场景。
局限性与风险应对
GPT-4 虽性能强大但仍存在固有缺陷。模型可能产生事实幻觉或推理错误,且知识库截止于 2021 年 9 月,易导致信息滞后。在处理高难度问题时,它可能像人类一样犯错,甚至引入代码安全隐患。值得注意的是,基础模型虽能预测自身答案准确性,但该能力经后期训练后有所减弱。
安全改进措施
针对生成有害内容、缺陷代码等风险,OpenAI 联合 50 余位专家进行了对抗性测试与数据优化。结果显示,GPT-4 生成不当内容的概率较 GPT-3.5 降低 82%,在医疗建议及自残等敏感话题上的合规性显著增强。尽管如此,违规内容生成的可能性依然存在,OpenAI 正持续与社会研究人员合作以评估其潜在影响。
技术架构与扩展
GPT-4 基于公开数据及授权数据训练,并通过基于人类反馈的强化学习(RLHF)进行微调,以确保行为符合用户意图与安全护栏。项目重点构建了可预测的深度学习扩展堆栈,通过优化基础设施实现了跨规模行为的准确预测,为未来 AI 系统发展奠定基础。
获取渠道与可用性
微软新版 Bing 搜索已集成 GPT-4。个人用户可通过 ChatGPT Plus 订阅访问,但受限于使用量上限;OpenAI 计划根据需求调整限制并考虑增设订阅层级。企业开发者如需调用 GPT-4 API,需先注册等候名单。
结语
GPT-4 的发布标志着 OpenAI 在深度学习规模化领域的重要里程碑。尽管并非完美,其在专业领域的类人表现使其成为强有力的工具。鉴于模型仍存在局限性,建议在高风险场景中审慎使用。随着安全机制与可扩展架构的不断完善,GPT-4 将为下一代 AI 系统提供关键支撑。
来源:OpenAI

