北京
2020年，GPT-3的登場重塑了行業對語言模型的認知。它證明了一件事：一個足夠龐大的神經網絡，可以直接從提示詞和示例中學習任務，無需傳統的精調。這個想法催生了提示工程、AI助手，以及第一波大語言模型應用。
但GPT-4的感覺完全不同。
GPT-3仍然像一個研究突破：強大、實驗性，有時還不可預測。GPT-4則像是真正的AI平臺的開端。關注點不再是單純擴大模型規模去刷榜，話題轉向了可靠性、多模態理解、對齊、安全性，以及真實世界的部署。這種轉向，在OpenAI發布的GPT-4技術報告里隨處可見。
和早期的幾篇GPT論文不一樣，OpenAI這次沒有發布包含詳細架構圖、參數規模、數據集、訓練配置的傳統研究論文。他們給出了一份范圍更窄的技術報告，重點放在能力展示、評估、安全工作與部署考量上。這個決定本身，就反映出領域已經徹底變了。到了GPT-4面世時，大語言模型不再是實驗室里的研究項目，它通過ChatGPT這類產品成了全球數百萬人在用的部署系統。關于濫用、幻覺、偏見、網絡安全風險和對齊的問題，變得和模型原始性能同等重要。
GPT-4還帶來了一個根本性轉變：多模態。此前的模型只處理文字，GPT-4擴展了邊界，同時接收圖像和文本作為輸入，讓模型能分析截圖、圖表、文檔、視覺笑話以及其他混合信息形式。這一步把大語言模型推向了更通用的AI系統，而非狹窄的文本生成器。回頭看，演進的脈絡出奇地清晰：GPT-1引入預訓練和遷移學習，GPT-2展示零樣本多任務學習，GPT-3拿出少樣本提示和上下文學習，而GPT-4開啟了對齊、多模態AI系統的時代。從很多角度看，GPT-4標志著大語言模型不再被看作研究實驗，開始成為真實應用的基礎計算界面。
根據OpenAI的說法，報告中刻意隱去了參數量、精確架構、訓練算力、數據集組成和硬件配置等信息，部分原因來自競爭格局，也考慮到大規模AI系統日益增長的安全后果。這個差異在歷史上很重要——GPT-1、GPT-2和GPT-3的論文都曾公開討論架構細節，而GPT-4的謹慎本身就是一個行業信號。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
