OpenAI o3 自动化复杂工作流程
OpenAI o3 模型能够推理复杂任务,助力自动化多步骤工作流程。
OpenAI o3 模型能够推理复杂任务,助力自动化多步骤工作流程。
ChatGPT Projects功能助力文件组织、上下文保存,实现跨工作流对话一致性。
OpenAI 的 ChatGPT 可将生成代码导入 IDE,提升开发效率。
ChatGPT新增Canvas功能,可帮助用户将笔记、录音和草稿转化为优质写作内容。
OpenAI 举办 GPT-4o 微调研讨会,探讨如何优化 GPT-4o 模型,提升其性能和适用性。研讨会内容涉及模型微调技巧、应用场景及未来发展方向。
OpenAI 训练并开源了神经网络 Whisper,其在英文语音识别上接近人类水平的鲁棒性和准确率。
推荐理由:OpenAI 开源语音识别模型 Whisper,读者可了解其在英文语音识别上的鲁棒性与准确率定位。
OpenAI 发布 Triton 1.0,这是一门类 Python 的开源编程语言,让没有 CUDA 经验的研究者也能编写高效的 GPU 代码,性能多数情况下可达到专家水平。
推荐理由:OpenAI 开源 Triton 1.0,让没有 CUDA 经验的研究者也能写出接近专家水平的 GPU 代码。
OpenAI 宣布 2021 届 OpenAI Scholars 已完成为期六个月的导师计划,并在 OpenAI 提供的津贴与支持下各自完成了一个开源研究项目。
OpenAI 推出 Jukebox,一个能生成音乐原始音频的神经网络,涵盖多种曲风和艺术家风格,并包含初步的歌唱声。OpenAI 同时公开了模型权重和代码,以及一个用于探索生成样本的工具。
推荐理由:OpenAI 公开 Jukebox 的模型权重与代码,读者可了解这套生成原始音频的神经网络能产出哪些风格的音乐。
OpenAI 宣布将其深度学习框架统一为标准化的 PyTorch。
OpenAI 发布 GPT-2 最大版本(1.5B 参数),同时开放代码和模型权重,用于帮助检测 GPT-2 模型的输出。这是 GPT-2 分阶段发布的最后一步,尽管自 8 月以来已有更大的语言模型发布,OpenAI 仍按原计划完成整个分阶段发布流程,希望为未来强大模型的开发者提供参考案例。
推荐理由:OpenAI 公布 GPT-2 分阶段发布的最后一步,读者可了解其负责任发布流程的完整样本。
OpenAI 发布 774M 参数的 GPT-2 语言模型,此前已先后放出 124M 小模型和 355M 中模型。OpenAI 同时发布一份开源法律协议,方便机构之间建立模型共享合作,并发布技术报告,介绍与更广泛 AI 研究社区协调发布规范的经验。
推荐理由:OpenAI 按分阶段发布节奏放出 GPT-2 最大版本,并给出模型共享的法律协议模板,可观察大模型开放与滥用防范之间的取舍。
OpenAI 发布 Spinning Up in Deep RL,一套面向深度强化学习的教学资源,目标是让任何人都能学习成为该领域的熟练实践者。该资源包含清晰的 RL 代码示例、教学练习、文档和教程。
推荐理由:OpenAI 把深度强化学习的代码示例、练习与教程打包成一套公开学习资源,适合想入门该方向的人按图索骥。
OpenAI 发布可逆生成模型 Glow,采用可逆 1x1 卷积,在简化此前可逆生成模型架构的同时支持高分辨率图像生成与高效采样。该模型还能发现可用于操控数据属性的特征,OpenAI 同步开源模型代码并提供在线可视化工具。
推荐理由:OpenAI 公开 Glow 的可逆生成模型架构与代码,读者可了解其用可逆 1x1 卷积简化模型并支持属性编辑的思路。
OpenAI 发布强化学习游戏平台 Gym Retro 的完整版,公开可用的游戏数量从约 70 款 Atari 游戏和 30 款 Sega 游戏扩展到 1000 多款,覆盖多种模拟器后端。OpenAI 同时发布了用于向该平台添加新游戏的工具。
推荐理由:原文给出游戏数量从约百款扩展到 1000 多款,并开放添加新游戏的工具,便于了解该强化学习平台的可用范围。
OpenAI 推出 OpenAI Scholars 项目,为来自 underrepresented 群体的个人提供 6–10 份津贴与导师指导,支持其全职学习深度学习 3 个月并开源一个项目。
OpenAI 发布一类新的强化学习算法 Proximal Policy Optimization(PPO),称其表现与当时最先进方法相当或更好,同时实现和调参都简单得多。PPO 已成为 OpenAI 的默认强化学习算法,原因是易用且性能良好。
推荐理由:OpenAI 公开 PPO 算法并说明其相比当时主流方法更易实现和调参,可了解该算法的设计取舍。
OpenAI 开源内部项目 OpenAI Baselines,目标是以与已发表结果相当的性能复现强化学习算法。首批发布 DQN 及其三个变体,其余算法将在接下来几个月内陆续放出。
推荐理由:OpenAI 开源内部强化学习复现项目 Baselines,首批放出 DQN 及三个变体,可了解其复现思路与后续计划。
OpenAI 发布 Roboschool,一款用于机器人仿真的开源软件,并与 OpenAI Gym 集成。
推荐理由:OpenAI 开源机器人仿真软件并接入 Gym,读者可了解其早期机器人研究工具链的开放入口。
OpenAI 发布强化学习工具包 OpenAI Gym 的公测版,用于开发和比较 RL 算法。它包含一套持续扩充的环境,涵盖模拟机器人到 Atari 游戏,并提供一个用于比较和复现结果的站点。
推荐理由:OpenAI 公开强化学习工具包 Gym 的 beta 版,读者可了解其环境套件与结果对比站点的构成。