377 search results for "GPT-4"

LLMs可以通过在与代码相关的数据集上进行微调来生成代码片段，包括函数调用。这些模型可以根据提供的输入来提供关于函数调用的建议或生成代码，通过提供上下文或提示来提供关于函数调用的建议或生成代码。语言模型可用于自然语言理解代码相关的查询或指令。开发者可以输入问题或描述，模型可以解释这些内容并提供相关的函数调用或代码段作为答案。 LLMs可以通过根据上下文或部分代码提供的内容提出函数调用或建议相关的函数来协助完成代码。这有助于开发者更快地编写更准确的代码。LLMs可以根据给定的任务或问题描述引导合适的API或过程，以帮助开发者找到其代码中需要调用的正确函数。将LLMs集成到开发环境中可为开发者提供实时协助，指导他们进行函数调用、参数类型或潜在错误的处理。 Nexusflow的研究人员提出了一个开源的LLM模型，NexusRaven-V2。它可以将自然语言指令转换为可使用工具的可执行代码。OpenAI Assistant API是实现协助工具和代理程序使用软件工具的关键。NexusRaven-V2旨在推进合作伙伴和代理程序的开源模型。 在涉及嵌套和复合函数的人工生成用例中，NexusRaven-V2的函数调用成功率比GPT-4高出最多7%。NexusRaven经过了针对Meta的CodeLlama-13 B指令进行的调整。它使用Nexusflow的管道，仅从开源代码语料库中来源，而不使用专有的LLM。对于社区开发者和企业来说，它具有商业上的宽容度。 观察到，在我们的人为策划基准测试中，NexusRaven-V2的函数调用成功率平均比最新的GPT-4模型高出4%。值得注意的是，在4个需要嵌套和复合函数调用的挑战性任务中，NexusRaven-V2表现出比GPT-4更强大的适应性，能够处理开发者对函数描述的差异。 该团队发布了开源的工具，使用户能够无缝替换主流专有的函数调用API，并在其软件工作流程中使用NexusRaven-V2。他们还提供在线的演示和Colab笔记本，用于入门和集成演示。他们公开了评估基准测试Nexus-Function-Calling并建立了一个Huggingface 排行榜，其中包含大量真实的人工策划的函数调用示例，涵盖了各种函数调用用例和难题。 在未来，函数调用LLMs可以受益于教育环境，为学习者提供实时协助，指导他们正确调用函数，从而帮助他们理解编程概念。

微软研究人员解决了提高GPT-4在回答医疗问题方面的能力的挑战，无需特定领域的培训。他们引入了Medprompt，采用不同的提示策略来提高GPT-4的性能。目标是在MultiMedQA套件的所有九个基准上实现最先进的结果。 这项研究继承了关于GPT-4的医疗能力的先前研究，特别是BioGPT和Med-PaLM，通过系统地探索提示工程来提高性能。 Medprompt的多样性在各个领域得到证明，包括电子工程、机器学习、哲学、会计、法律、护理和临床心理学。 该研究探索了AI创建通用问题解决的计算智能原则的目标。它强调了GPT-3和GPT-4等基础模型的成功，在没有专门的培训的情况下，展示了它们在各种任务中的出色能力。这些模型采用了从大规模网络数据中广泛学习的文本到文本的范例。性能指标，如下一个词的预测准确性，随着训练数据、模型参数和计算资源的规模增加而提高。基础模型展示了可扩展的问题解决能力，表明它们在各个领域具有潜力。 该研究系统地探索了提示工程来提高GPT-4在医学挑战中的性能。仔细的实验设计缓解了过度拟合问题，采用了类似传统机器学习的测试方法学。 Medprompt通过使用有关眼睛和无眼睛的划分对MultiMedQA数据集进行评估，表明它对未见问题的鲁棒泛化性。该研究还检查了在增加计算负载下的性能，并将GPT-4的CoT原理与Med-PaLM 2进行了比较，揭示了生成输出中更长更详细的推理逻辑。 Medprompt改善了GPT-4在医疗问题回答数据集上的性能，实现了MultiMedQA中的现有结果，并超过了像Med-PaLM 2这样的专家模型，同时减少了调用次数。通过Medprompt，GPT-4在MedQA数据集上的错误率减少了27％，首次达到90％分数。 Medprompt的技术，包括动态少样本选择、自动生成的思维链和选择混洗集成，可以应用在医学以外的领域，以提高GPT-4的性能。严格的实验设计确保减少过度拟合的问题。 总之，Medprompt在医学问题回答数据集上表现出色，超过MultiMedQA并在各个领域展示了适应性。该研究强调了对于避免过度拟合的眼睛外评估的重要性，并建议进一步探索提示工程和微调，以利用基础模型在关键领域如医疗保健中的应用。 在未来的工作中，重要的是改进提示和基础模型的能力，将少量样本示例整合到提示中。提示工程和微调在高风险领域，如医疗保健中，存在协同效应的潜力，应该探索快速工程和微调作为关键研究领域。博弈论Shapley值可用于给予消融研究中的信用分配，并需要进一步研究来计算Shapley值并分析其在此类研究中的应用。

大型语言模型（LLMs）最近受到人工智能（AI）界的广泛赞赏。这些模型具有卓越的能力，在编码、数学、法律乃至理解人类意图和情感等领域都表现出色。基于自然语言处理、理解和生成的基本原理，这些模型在几乎每个行业中都具有巨大的潜力。 LLMs不仅能生成文本，还能进行图像处理、音频识别和强化学习，证明了它们的适应性和广泛的应用领域。由OpenAI最近推出的GPT-4因其多模态特性而变得非常受欢迎。与GPT 3.5不同，GPT-4既可以接受文本形式的输入，也可以接受图像形式的输入。一些研究甚至显示，GPT-4展示了人工通用智能（AGI）的初步证据。GPT-4在通用AI任务中的有效性已经引起科学家和研究人员对LLMs在不同科学领域的关注。 在最新的研究中，一支研究团队研究了LLMs在自然科学研究背景下的能力，特别关注于GPT-4。该研究主要关注生物学、材料设计、药物开发、计算化学和偏微分方程等自然科学领域，以涵盖广泛的自然科学。利用GPT-4作为深入研究的LLM，该研究提供了关于LLMs的性能和其在特定科学领域中可能应用的全面概述。 该研究涵盖了多个科学学科领域，如生物学、材料设计、偏微分方程、密度泛函理论和分子动力学在计算化学中的应用。团队分享称，已经对该模型在科学任务上进行了评估，以充分实现GPT-4在研究领域中的潜力，并验证其领域专业知识。LLM应加速科学进展，优化资源分配，并促进跨学科研究。 研究团队分享称，根据初步结果，GPT-4已经显示出在一系列科学应用中有潜力，并展示了其处理复杂问题解决和知识整合任务的能力。该研究论文对GPT-4在多个领域的表现进行了全面考察，既强调了其优势，也指出了其劣势。评估包括GPT-4的知识库、科学理解能力、数值计算技能和多样化预测能力。 研究表明，GPT-4在生物学和材料设计领域显示出广泛的领域专长，有助于满足某些需求。该模型展现了在药物研发领域预测属性的潜力。GPT-4在计算化学和偏微分方程研究领域中也有助于计算和预测，但对于定量计算任务，需要稍稍提高准确性。 总之，这项研究非常具有启发性，因为它突显了大规模机器学习和LLMs的快速发展。它还关注了这一充满活力的课题未来研究的重点，即基本科学模型的构建以及LLMs与专业科学工具和模型的集成。

GPT-4 在互联网上由UCSD的一组研究人员进行了公共图灵测试。表现最佳的GPT-4提示在41%的游戏中成功，这比ELIZA（27%）、GPT-3.5（14%）和随机机会（63%）提供的基线更好，但它仍然需要迈上更高一步。图灵测试的结果显示，参与者主要根据语言风格（占总比例的35%）和社交情感特征（占总比例的27%）进行判断。参与者的教育水平和之前与LLM的经验都不能预测他们发现欺骗的能力，这表明即使是在这方面有经验的人也可能容易受欺骗。虽然图灵测试因其作为智能测量的缺点而受到广泛批评，但来自加利福尼亚大学圣迭戈分校的两位研究人员表示，它仍然有用作衡量自发交流和欺骗的标准。他们拥有可以模仿人类的人工智能模型，这可能会产生深远的社会影响。因此，他们正在研究各种方法和标准的有效性，以确定人类相似性。 图灵测试有趣的原因与其对智能敏感性的争议无关。首先，分析正在测试的能力非常重要，即一个系统能否欺骗对话者认为它是人类。图灵测试提供了一种可靠的方法来监测模型中此类能力的发展。此外，它使我们能够了解在撒谎中起作用的各个方面，例如模型的大小和性能、提示策略、附属基础设施（如实时信息访问）以及询问者的专业水平。 其次，图灵测试可用作研究工具来探究机器显示人类外貌的普遍认知。评估了机器的性能，还研究了人类参与者在文化、伦理和心理方面的先入为主观念。询问者在撰写和完善问题时披露了关于构成为人类的特质以及哪些特质最难拥有的潜在观点。 图灵测试经过一个询问者和一个证人的修改，用来确定后者是人还是人工智能。这与图灵最初的三人设定形成对比，但由于无需每场游戏都在线上有多个人类参与者，这一设定变得相当普遍。 他们使用OpenAI API开发了25个LLM证人，可以回答用户提出的问题。每个LLM证人都有一个温度设置（0.2、0.5或1.0）、一个模型（GPT-3.5或GPT-4）和一个提示。提示解释了情况，并为代理人提供了具体的指导。 聊天应用的用户界面被设计成类似于标准的消息服务。询问者发送第一条消息，每个用户一次只能发送一条消息。每次沟通只能有300个字符长，并且总的讨论时间为5分钟。用户不被允许将内容粘贴到文本框中，还应用了内容过滤器以防止滥用信息。在屏幕的右上角，您将找到一个倒计时计时器、显示指导说明的按钮和一个报告滥用行为的表格。 询问者使用决策界面提供以下信息： i）裁决（机器或人工证人） ii）他们对自己做出正确决定的确信程度（0-100）。 iii）对他们选择的理由（自由形式语言）。 加州大学圣迭戈分校的IRB授予了这项研究（图灵测试）的许可。实验在现场网站进行。在线社交媒体平台被用于招募参与者。他们阅读了概述游戏规则的说明，并同意他们的数据被用于科学研究。 他们招募了650人，并完成了1400场“游戏”，在其中与人类或GPT模型进行了短暂的对话。被试者被提供了一个对话伙伴，并被要求识别他们。 研究参与者被GPT-4模型欺骗的比例为41%，而被GPT-3.5模型欺骗的比例为5%至14%。只有在63%的试验中，人们能够说服参与者他们不是机器。 局限性 由于这项研究作为一项开放、在线的实验，有一些注意事项可能会导致其结果不够可靠。首先，样本可能更具代表性，因为参与者是通过社交媒体招募的。其次，参与者需要有一些激励措施。因此，提问者和证人可能会尽力而为。人类证人已经通过表现得像人工智能来进行“恶作剧”。一些调查人员将这种行为作为证明人类判断的理由。因此，结果可能低估了人类的表现，同时高估了人工智能的表现。第三，一些提问者承认他们对证人有先验知识。 总结一下 – 图灵测试经常被批评为衡量智能的不完美指标：因为它过于，但是在这种情况下，如果提问者没有透露，研究人员可能高估了人类的表现。最后，由于每次只有一个在线用户，他们经常与同一个人工智能证人配对。因此，人们就会对任何给定的证言有先入为主的观念，这可能导致整体上的SR率降低。尽管努力删除了连续三次与人工智能对战的游戏，以抵消这种偏见对结果的影响，但这种偏见可能仍然影响了结果。最后，他们只使用了可用提示的一小部分，并且在开发这些提示时并不知道真实人类会如何与游戏互动。结果肯定低估了GPT-4在图灵测试中的潜力，因为还有更有效的提示。

在一个创新快速且革命性的行业中，OpenAI再次推动了人工智能在语言模型领域的潜力，引入了更强大且可定制化的GPT-4 Turbo。 在公司的年度DevDay会议上，OpenAI首席执行官Sam Altman展示了这个新模型的能力，它不仅是前一代模型的一个巨大飞跃。GPT-4 Turbo具备更高的精度和更细致的理解能力，在人工智能领域中是一个强大的工具。 GPT-4 Turbo的卓越能力体现在其复杂文本生成上，现在可以轻松处理更复杂的请求。该模型可以生成摘要、撰写邮件，甚至撰写文章，达到人机内容生成之间的无缝衔接。 但创新不仅仅停留在性能提升上。OpenAI在个性化方面取得了突破，允许开发者根据特定行业需求或公司声音微调模型。这种可定制化的能力非常重要，它为公司提供了将GPT-4 Turbo无缝集成到他们的运营中，以符合其品牌和运营标准的机会。 GPT-4 Turbo的可定制性还包括对模型输出的控制，提供了额外的安全保障，并与用户意图保持一致。这一功能解决了人工智能开发中的一个关键问题：确保技术始终在道德使用和公共利益的范围内。 GPT-4 Turbo最重要的潜在影响之一是其对可访问性的潜力。Altman强调了该模型能够赋予残疾人士力量的能力，暗示它可以作为一种辅助技术，增强与数字平台的交流和互动。 尽管围绕这些进展存在激动人心的氛围，但OpenAI谨慎行事，对部署持有有意识的态度。该公司加强了对安全和负责任的人工智能开发的承诺，确保伴随强大的技术而来的是必要的监督。 GPT-4 Turbo的推出不仅标志着OpenAI的里程碑，也是该行业的一个转型时刻。它预示着一个未来，AI不仅仅是一个工具，它可以成为合作者、创造者和我们在数字进化中要维持的价值观的守护者。 核心要点： OpenAI的GPT-4 Turbo是其语言模型的更强大和更细致版本，提供前所未有的文本生成能力。 新模型允许广泛定制，开发者可以根据特定行业需求和公司品牌进行调整。 GPT-4 Turbo具备增强的控制功能，以确保输出安全并符合用户意图，解决了人工智能中的道德问题。 该模型为提高可访问性提供了可能性，潜在地帮助有残疾的人士。 OpenAI在将更先进和多功能的技术引入市场时继续优先考虑安全和负责任的人工智能部署。 这篇文章的首发地址是：OpenAI…

苏黎世大学的研究人员关注大型语言模型（LLMs）在自主事实检查中的作用，评估它们在提出查询、检索上下文数据和做出决策时提供解释和引用的能力。结果表明，尤其是GPT-4，LLMs在上下文信息方面表现良好，但准确性因查询语言和论断真实性而异。虽然它在事实检查方面显示出了希望，但准确性上的不一致强调了需要进一步研究以更好地了解它们的能力和限制。 自动化事实检查研究在过去十年中以不同的方法和共享任务得到发展。研究人员提出了诸如主张检测和证据提取等组件，通常依赖于大型语言模型和维基百科等来源。然而，确保可解释性仍然具有挑战性，因为对事实检查裁决的明确解释对新闻工作至关重要。 随着网络上虚假信息的增加，事实检查的重要性也越来越大。虚假信息在2016年美国总统选举和英国脱欧公投等重大事件期间引起了激增。传统的人工事实检查必须改进以应对大量在线信息，这需要自动化的解决方案。像GPT-4这样的大型语言模型已经成为验证信息的重要工具。解释性在新闻应用中使用这些模型时面临挑战。 本研究评估了LLMs在事实检查中的使用情况，重点关注GPT-3.5和GPT-4。模型在两种条件下进行评估：一种是没有外部信息的情况，一种是有上下文信息的情况。研究人员提出了一种使用ReAct框架创建迭代代理的原始方法，用于自动化事实检查。该代理在决定是否结束搜索或继续查询时自主决策，旨在平衡准确性和效率，并用引用的推理证明其裁决理由。 提出的方法评估了LLMs用于自主事实检查的效果，结果显示GPT-4在PolitiFact数据集上的表现优于GPT-3.5。上下文信息显著提高了LLM的性能。然而，考虑到准确性在半真和大部分错误等细微类别中的变化，需要谨慎。该研究呼吁进一步研究，以提升对LLMs在事实检查任务中表现出色或失误的理解。 GPT-4在事实检查方面优于GPT-3.5，特别是在引入上下文信息后。然而，准确性因查询语言和论断真实性等因素而异，尤其在细微类别中。它还强调了在使用LLMs时告知人类监督的重要性，因为即使有10%的错误率也可能在今天的信息环境中产生严重后果，突出了人工事实检查员不可替代的角色。 进一步的研究对于全面了解LLM代理在事实检查中的优势和劣势条件至关重要。探索解释LLMs准确检测虚假陈述相对于真实陈述的因素，可以为提高准确性提供有价值的见解。

<img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/10/ezgif-2-c195e4f047.gif”/><img alt=”” src=”https://ai.miximages.com/www.marktechpost.com/wp-content/uploads/2023/10/ezgif-2-c195e4f047-150×150.gif”/><p>一位机器学习研究人员最近在Reddit社区上分享了他们最新的项目GPT-4V-Act的发布。这个想法是受到了关于GPT-4V中的一种名为Mark集的视觉定位策略的最近讨论的启发。有趣的是，测试表明具有这种功能的GPT-4V可以分析用户界面截屏，并提供鼠标和键盘完成某个任务所需的准确像素坐标。</p><p>到目前为止，该代理已经显示出在Reddit上发布帖子、进行产品搜索以及启动结账过程方面的能力，尽管只经过了有限的测试。有趣的是，它还识别出了自动标注器在尝试玩游戏时的缺陷，并试图纠正这一行为。</p><p>利用GPT-4V(ision)和浏览器的完美协调，GPT-4V-Act是一个口才流畅的多模态人工智能助手。它以低级鼠标和键盘输入和输出的方式模拟人类控制。其目标是在人类和计算机之间提供流畅的工作流程，从而推动技术的发展，大大提高任何用户界面的可用性，促进工作流程的自动化，并使自动化用户界面测试成为可能。</p><p><strong>其功能</strong></p><p>通过将GPT-4V(ision)和Mark集提示与个体自动标注器结合起来，我们实现了GPT-4V-Act。此自动标注器为每个可以进行交互的用户界面元素分配了其数字ID。</p><p>GPT-4V-Act可以从任务和屏幕截图中推断完成任务所需的步骤。当使用鼠标或键盘输入时，这些数字标签可以用作指向精确像素坐标的指针。</p><p><strong>重要提示</strong></p><p>由于GPT-4V(ision)尚未向广大公众发布，因此在此项目上进行多模态提示需要当前的ChatGPT Plus订阅。值得注意的是，该项目使用的未经批准的GPT-4V API可能违反相应的ChatGPT服务条款。</p><p>包含函数调用等功能的语言模型(LMs)正在兴起。这些主要在API和文本表示的状态上运行。具有用户界面(UI)的代理在一般情况下可能更有用，因为这些情况下它们是不可行的。由于代理与计算机的交互类似于人类的交互，可以通过专家演示来进行训练，而不需要广泛的专业知识。</p>