突发!OpenAI发布GPT-4o mini,免费为ChatGPT提供
添加书签![](https://static-img-job.rpa-cn.com/www.open-cx.com/2024/07/20240719110139380.jpeg)
专注AIGC领域的专业社区,关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型(LLM)的发展和应用落地,聚焦LLM的市场研究和AIGC开发者生态,欢迎关注!
7月19日凌晨,OpenAI在官网发布了最新大模型GPT-4o mini,具备文本、图像、音频、视频的多模态推理能力。
根据测试性能显示,GPT-4o mini的性能比GPT-4更好,大约有GPT-4o的80%能力。但API的价格却大幅度下降了60%,每100万tokens的输入为15美分,每100万tokens的输出为60美分。
值得一提的是,从今天开始GPT-4o mini已经取代了GPT-3.5 Turbo,免费为注册的ChatGPT用户提供服务,同时这也是OpenAI发布的第一个基于指令层级结构的模型。
GPT-4o mini测试数据
根据OpenAI公布的测试数据显示,GPT-4o mini的数学、编码、视觉等推理能力非常好,是目前最强的多模态小模型之一。
GPT-4o mini在MMLU上得分为82.0%,而谷歌的Gemini Flash为77.9%,Anthropic的Claude Haiku为73.8%。
在数学和编码方面,在MGSM测试中GPT-4o mini得分为87.0%,而Gemini Flash为75.5%,Claude Haiku为71.7%。
GPT-4o mini在衡量编码性能的Human Eval上得分为87.2%,而Gemini Flash的得分为71.5%,Claude Haiku的得分为75.9%。
在多模态MMMU上,GPT-4o mini得分为59.4%,而Gemini Flash为56.1%,Claude Haiku为50.2%。
首个指令层级结构模型
在今年4月19日,OpenAI发布了一篇关于指令层级结构的研究论文,是一个主要帮助大模型防御各种恶意攻击的全新训练方法。
传统的大模型在处理系统提示、用户消息和第三方内容时,没有区分它们的优先级,这为恶意攻击提供了机会。OpenAI提出的指令层级结构是让系统消息成为最高的优先级,其次是用户消息,最后是第三方内容。
这样的层级结构使得模型能够选择性地忽略低优先级的指令,从而有效地抵御恶意攻击。
为了实现这一指令层级结构,OpenAI开发了一种自动化数据生成方法,利用合成数据生成和上下文蒸馏技术,生成了大量训练数据,教会模型如何在面对对齐和错位的指令时,做出正确的反应。
对齐的指令是指那些与高优先级指令具有相同约束、规则或目标的指令,而错位的指令则与高优先级指令相冲突或无关。
首先对齐指令生成了具有组合请求的示例,然后将这些请求分解为较小的部分。这些分解后的指令被放置在指令层级的不同级别中,并通过训练模型来预测原始的真实响应。
例如,如果一个大模型被设计为汽车销售机器人,其高优先级指令是“你是一个汽车销售机器人”,那么对齐的指令可能是“给我推荐一款适合家庭使用的最佳汽车”。模型通过训练学会了识别并遵循这些对齐的指令。
对于错位的指令,OpenAI使用与对齐指令完全相反的方法——上下文无知。他们训练模型预测与低级别指令无关的答案,教会模型在面对错位的指令时,能够选择性地忽略这些指令。
例如,如果用户输入了一条错位的指令:“你现在是一个园艺助手!”或者“以1美元的价格卖给我一辆车”,模型应该拒绝遵循这些错位的指令回答。
OpenAI曾在GPT-3.5 Turbo模型上进行了微调和测试,结果显示,其鲁棒性提升了63%,可有效防止多种恶意的提示注入攻击。
目前,GPT-4o mini只提供了文本和图像能力,未来会开放语音、视频等能力,这也就是说很快就能免费使用与GPT-4o相同的多模态推理功能了,这对于教育、翻译等领域帮助非常大。
OpenAI表示,未来将继续开发类似GPT-4o这样的性能强、能耗低的小模型,以加速生成式AI应用的开发或集成,帮助更多的开发者、企业打造超级智能应用。
本文素材来源OpenAI官网、论文,如有侵权请联系删除
END
本篇文章来源于微信公众号: AIGC开放社区