OpenAI 推出新版内容审核工具 Moderation endpoint
OpenAI 发布新版内容审核工具 Moderation endpoint,改进了此前的内容过滤器,即日起面向 OpenAI API 开发者免费开放。
OpenAI 发布新版内容审核工具 Moderation endpoint,改进了此前的内容过滤器,即日起面向 OpenAI API 开发者免费开放。
OpenAI 发布研究《Efficient training of language models to fill in the middle》,探讨语言模型中间填充任务的高效训练方法。原文正文未能抓取,仅标题可用。
OpenAI 宣布 DALL·E 进入测试版,将在未来几周从等待名单中邀请 100 万人使用。用户可用每月重置的免费积分生成图像,也可按 115 次生成 15 美元的价格购买额外积分。
推荐理由:OpenAI 公布 DALL·E 测试版开放节奏与积分定价,读者可据此了解早期图像生成产品的可用方式。
OpenAI 为 DALL·E 2 部署了一项新技术,使其生成的人物图像能更准确地反映世界人口的多样性,以减少偏见并提升安全性。
OpenAI 在 DALL·E 2 研究预览中,已有来自 118 个以上国家的 3000 多名艺术家将 DALL·E 纳入创作流程。OpenAI 表示,早期访问组的艺术家帮助发现了 DALL·E 的新用途,并在其决定 DALL·E 功能时提供了关键意见。
推荐理由:原文给出 DALL·E 2 研究预览中艺术家的使用规模,读者可据此了解早期创作者如何参与产品功能决策。
OpenAI 为向大众开放 DALL·E 2,在预训练阶段采取缓解措施以降低强大图像生成模型的风险。为此设置了多种防护机制,防止生成图像违反其内容政策。
OpenAI 训练了一个神经网络,通过 Video PreTraining(VPT)在大量无标注的人类 Minecraft 游玩视频数据集上学习,仅使用少量标注的承包商数据。经微调后,该模型能学会制作钻石工具,这一任务通常需要熟练人类花费超过 20 分钟(24,000 次操作)。模型使用键盘按键和鼠标移动的原生人类交互界面,因此具有较强通用性,是迈向通用计算机操作智能体的一步。
推荐理由:OpenAI 用大量无标注人类游戏视频预训练网络,展示从少量标注数据到通用计算机操作智能体的路径。
OpenAI 训练了批评写作模型,用于描述摘要中的缺陷。人类评估者在看到模型批评后,发现摘要缺陷的频率明显提高。更大的模型自我批评能力更强,规模对批评写作的提升大于对摘要写作的提升,这为用 AI 系统辅助人类监督 AI 系统在困难任务上的表现展示了前景。
推荐理由:OpenAI 训练批评写作模型辅助人类发现摘要缺陷,为 AI 监督 AI 提供早期实验证据。
大型神经网络是近期多项 AI 进展的核心,但其训练是一项困难的工程与研究挑战,需要编排一整个 GPU 集群来完成单次同步计算。OpenAI 分享了训练这类大型神经网络的相关技术。
Cohere、OpenAI 和 AI21 Labs 共同制定了一套初步的大语言模型最佳实践,适用于任何开发或部署大语言模型的组织。
OpenAI Codex 现已通过 OpenAI API 为 70 款不同应用提供支持,覆盖多种使用场景。
OpenAI 更新 DALL·E 2 研究预览进展,早期用户迄今已生成超过 300 万张图像,并帮助改进了安全流程。OpenAI 表示将开始每周从候补名单中新增最多 1000 名用户。
推荐理由:官方披露 DALL·E 2 预览期的用户规模与每周放量节奏,可据此了解其早期开放进度。
OpenAI 宣布多项高管职位变动,称此次调整反映了公司近期进展,并将确保在迈向下一批重要里程碑时保持势头。
OpenAI 探讨 Goodhart 定律在 AI 目标优化中的体现:当一个度量指标变成目标时,它就不再是好的度量。由于许多真正想优化的目标难以或成本高昂地衡量,OpenAI 需要应对这一难题。
OpenAI 发布 GPT-3 和 Codex 的新版本,可在已有文本中编辑或插入内容,而不再只是续写现有文本。
推荐理由:原文说明 GPT-3 与 Codex 新增编辑和插入能力,读者可据此了解模型从续写扩展到改写已有文本。
OpenAI 分享了其在语言模型安全与滥用问题上的最新思考,希望帮助其他 AI 开发者应对已部署模型的安全与滥用问题。
OpenAI 发起意向征集,邀请研究者参与研究大语言模型的经济影响。该征集面向有意开展相关研究的各方,具体参与方式与研究方向未在文中进一步说明。
OpenAI 构建了一个面向 Lean 的神经定理证明器,能够求解多道高难度高中数学奥赛题,包括来自 AMC12 和 AIME 的题目,以及两道改编自 IMO 的问题。
推荐理由:OpenAI 用神经定理证明器在 Lean 中解出 AMC12、AIME 及两道改编自 IMO 的题目,可了解形式化数学推理的早期进展。
OpenAI 训练出比 GPT-3 更能遵循用户意图的语言模型 InstructGPT,同时更真实、有害内容更少,相关技术来自其对齐研究。这些模型采用人类参与反馈的训练方式,现已作为 OpenAI API 的默认语言模型部署。
推荐理由:OpenAI 说明 InstructGPT 通过人类反馈训练,在遵循用户意图、真实性和有害性上优于 GPT-3,并已成为 API 默认模型。
OpenAI 在 API 中新增 embeddings 端点,用于自然语言和代码任务,例如语义搜索、聚类、主题建模和分类。
推荐理由:OpenAI 在 API 中新增 embeddings 端点,读者可据此了解语义搜索与聚类等任务的接入方式。
OpenAI 对 GPT-3 进行微调,使其能借助基于文本的网页浏览器更准确地回答开放式问题。
推荐理由:OpenAI 用文本浏览器微调 GPT-3 提升开放问答事实准确率,可了解早期检索增强思路。
OpenAI 发布文章介绍如何为应用定制 GPT-3,指出可通过单条命令完成微调。
OpenAI 宣布推出 OpenAI Residency 驻留计划,以支持和培养 AI 人才。该计划是其支持与发展 AI 人才工作的一部分。
OpenAI 宣布其 API 不再需要等待名单,可直接使用。官方称这一更广泛的开放得益于安全方面的进展。
推荐理由:OpenAI API 取消等待名单,读者可据此判断接入门槛的变化。
OpenAI 训练了一个求解小学数学应用题的模型,准确率约为微调 GPT-3 模型的两倍。在自建数据集的同一批题目上,该系统的得分为 55%,而一小批 9-12 岁儿童的得分为 60%。
推荐理由:OpenAI 自述其数学应用题系统在自建数据集上接近 9-12 岁儿童水平,可对照理解当时模型推理能力的位置。
OpenAI 发布文章《Summarizing books with human feedback》,介绍如何将人类监督扩展到难以评估的任务上。
OpenAI 宣布任命 Helen Toner 加入其董事会。Helen Toner 是 Georgetown 安全与新兴技术中心(CSET)战略主管,长期研究 AI 政策与安全治理。此次任命正值 OpenAI 推进 AI 安全与治理工作之际。
OpenAI 发布改进版 Codex,这是其将自然语言转换为代码的 AI 系统,从今天起通过 API 以私测形式开放。
推荐理由:OpenAI 官方公布 Codex 改进版本并开放 API 私测,读者可了解自然语言转代码能力的落地入口。
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 研究发现,通过在小型精选数据集上微调,可以改善语言模型在特定行为价值观方面的表现。
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 宣布美国国会议员 Will Hurd 加入其董事会。OpenAI 表示,实现造福全人类的通用人工智能目标,既需要技术专长,也需要公共政策方面的经验。
OpenAI 宣布已有超过 300 款应用通过其 API 提供由 GPT-3 驱动的搜索、对话、文本补全等高级 AI 功能。
OpenAI 在 CLIP 中发现了一类多模态神经元,无论概念以字面、符号还是概念化形式呈现,它们都会对同一概念产生响应。这可能解释 CLIP 在分类出人意料的视觉变体时的准确表现,也是理解 CLIP 及类似模型所学关联与偏置的重要一步。
推荐理由:OpenAI 公开 CLIP 中跨字面、符号与概念形式响应同一概念的多模态神经元,为理解其分类准确性与习得偏置提供线索。
OpenAI 将 Kubernetes 集群扩展到 7500 节点,为 GPT-3、CLIP、DALL·E 等大模型提供可扩展的基础设施,同时也支持小规模快速迭代研究,例如 Scaling Laws for Neural Language Models。
推荐理由:OpenAI 公开将 Kubernetes 集群扩展到 7500 节点的实践,为大规模模型训练的基础设施选型提供一手参考。
OpenAI 训练了一个名为 DALL·E 的神经网络,可根据自然语言描述生成图像,覆盖自然语言可表达的广泛概念。
推荐理由:OpenAI 官方公布 DALL·E 这一从文本生成图像的神经网络,可据此了解文生图方向的早期起点。
OpenAI 发布名为 CLIP 的神经网络,通过自然语言监督高效学习视觉概念。CLIP 只需提供待识别视觉类别的名称,即可应用于任意视觉分类基准,类似 GPT-2 和 GPT-3 的零样本能力。
推荐理由:OpenAI 介绍 CLIP 用自然语言监督学习视觉概念,读者可了解零样本图像分类的思路来源。
OpenAI 发布组织架构更新,称过去一年经历了剧烈变化与增长。原文未披露具体调整内容。
OpenAI 宣布已同意将 GPT-3 授权给 Microsoft,用于其自有产品和服务。
推荐理由:OpenAI 将 GPT-3 授权给 Microsoft 用于其自有产品和服务,是理解双方后续合作起点的一条背景信息。
OpenAI 将人类反馈强化学习(RLHF)应用于语言模型训练,使其在摘要任务上表现更好。
推荐理由:OpenAI 把人类反馈强化学习用于摘要任务,可了解 RLHF 早期在语言模型训练中的一次具体应用。