通信人家园

标题: OpenAI重夺竞技场第一，但这波靠的是4o  [查看完整版帖子] [打印本页]
时间:  2024-11-21 18:13
作者: see122     标题: OpenAI重夺竞技场第一，但这波靠的是4o


OpenAI开发者日新加坡站今天启幕，果不其然，ChatGPT又出手了：

Gemini刚在竞技场头把交椅上坐了不到一周，最新版ChatGPT轻轻一更新，第一再次易主。



对，还不是o1满血版，而是新版4o。



具体来说，此番GPT-4o更新的是“创意写作能力”，官方说法是：
模型能完成更自然、更有吸引力、更具针对性的写作，文本相关性和可读性更强。

还可以更好地处理上传的文件，提供更深入的见解和更全面的响应。


o1核心贡献者Karina Nguyen对此做了进一步解释：
作为Canvas功能的一部分，我们希望改进写作，因为这是一个顶级用例，并且可能会改变人机协作的方式，来更具创造性地完成写作任务。

我认为我们还没有完全解决这个研究问题，因为它非常主观且开放，但至少在写作方面取得进展，是AGI创造性智能的关键。


而在大模型竞技场的创意写作分榜上，可以看到新版4o（ChatGPT-4o-1120）确实有明显的提升，分数从上个版本的1365提升到了1402。



至于实际效果，我们简单测试了一下，看看你能给打个几分：



重返第一，但4o

除了在总榜上为OpenAI重夺第一，新版4o在体现具体能力的各个分榜上亦有提升。

在创意写作方面，从第2位升至第1位；

在代码能力方面，从第2位升至第1位；

在数学能力方面，从第4位升至第3位（第1还是o1-preview）；

在困难任务方面，从第2位升至第1位。

并且在风格控制（Style Control）之后，新版4o依然位居首位。



风格控制旨在让榜单分数更真实地反映模型解决问题的能力，避免模型靠漂亮的格式、增加回答长度刷分。

总胜率热图显示，新版4o对上此前登顶的Gemini-Exp-1114，胜率为59%；对上Claude 3.5 Sonnet，胜率为69%；对上5月版本的4o，更是在72%的情况下都能取胜。



嗯，看上去很强很不错，但还是那句话……是4o。

结合今日份DeepSeek的大新闻——DeepSeek版o1满血上线，还计划开源，不少网友直接在奥特曼“新的好模型来了”的推文下贴脸嘲讽起来：
可不是嘛，deepseek挺好。

快把o1放出来，跟deepseek-r1正面比较一下:)


简而言之就是：o1满血版今年上线传得满城风雨，现在2024年都只剩下40几天了，OpenAI你暗搓搓更新个4o是闹哪样！



还有人试图总结OpenAI的更新模式：
OpenAI的老伙计们怕不是写了个脚本，用来查询大模型竞技场排名第一的模型。

当返回值不是OpenAI的模型时，他们就部署个新版本来拿回第一。


嗯，才不管你期待的是什么呢╭(╯^╰)╮

另外，还有网友拿新4o的生成结果去做了测试，结果系统还是当场判断出了100%AI写的：



△图源：@TuhinChakr

不过，一片吐槽声中，也有人认真研究了一下OpenAI的更新。

比如，在系统提示词方面，大佬发现，OpenAI确实偷偷给ChatGPT加了点料的：
## guardian_tool

Use the guardian tool to lookup content policy if the conversation falls under one of the following categories:

- `'election_voting'`: Asking for election-related voter facts and procedures happening within the U.S. (e.g., ballots dates, registration, early voting, mail-in voting, polling places, qualification).

Do so by addressing your message to guardian_tool using the following function and choose `category` from the list `['election_voting']`:

```python

get_policy(category:str) -> str

```

The guardian tool should be triggered before other tools. DO NOT explain yourself.“””
简单来说，就是新增了一道护栏，确保ChatGPT不在敏感话题上胡说八道。

那么，如果你想试试新版4o具体能写出什么“创意”内容，现在可以到竞技场免费试试：https://lmarena.ai/?leaderboard

有什么好玩的结果，欢迎回评论区分享给大伙儿~

参考链接：

[1]https://x.com/OpenAI/status/1859296125947347164

[2]https://x.com/lmarena_ai/status/1859307979184689269


来源：36kr
时间:  2024-11-22 17:35
作者: Area_Code_61706

是真的吗



通信人家园 (https://www.txrjy.com/) Powered by C114