沉迷 GPT-4 Code Interpreter。下图顺序展现了我使用 GPT-4 绘制图表的一个案例。

沉迷 GPT-4 Code Interpreter。下图顺序展现了我使用 GPT-4 绘制图表的一个案例。 目标：上传包含美国 SaaS 上市公司财务数据的 Raw Data Excel 文件（未清洗），绘制年营收图表，并按照我的诉求美化、调整图表类型。 1. 自带类似 Agent 的自省能力。 2. 能听懂我的自然语义描述，并调用 Python 的语句来完成我的需求，体验太好。 3. 其他工具通过 Prompt 接入，元数据描述 Prompt 的路线可执行。 4. 一点点看 GPT-4 拆解可以学到东西。做编程教练有潜力。 5. 利好产品（核心能力：洞察需求）和 creator economy 利益相关者。 #ChatGPT

ChatGPT的Code Interpreter插件示例。交互还是用自然语言，实现了真正的动嘴写程序了。

ChatGPT的Code Interpreter插件示例。交互还是用自然语言，实现了真正的动嘴写程序了。 它创造了一个可以运行 Python 解释器的沙盒（包含一些Python的基本库），能处理文件上传和下载，整个虚拟空间在会话期有效。常见的用法是用它来处理数学问题、可视化和文件格式转换。 网上有前期体验用户用它来处理声音、剪辑视频、人脸识别、创建机器学习等高级功能。

用GPT-4纠错GPT-4 OpenAI推出CriticGPT模型

用GPT-4纠错GPT-4 OpenAI推出CriticGPT模型 这一新模型的发布意在向投资者传达，OpenAI在RLHF赛道上的领先地位。RLHF的一个关键部分就是收集比较，让人工智能训练师对不同的ChatGPT回答进行评分，并反馈给ChatGPT。研究发现，当训练师借助CriticGPT来审查ChatGPT输出代码时，他们的表现要比没有得到帮助的人高出60%。并且，在CriticGPT的帮助下，他们的指正比自己单独做的更加全面。CriticGPT的审查随着大模型在推理和行为方面的进步，ChatGPT变得更加准确，它的错误也变得更加微妙。这可能会使人工智能训练师很难发现其中不准确的情况，从而使RLHF的比较任务更加困难。若是如果没有更好的工具，人们很难对这些系统进行评估。而OpenAI指出，CriticGPT模型将有能力评估先进人工智能系统的输出。OpenAI举了一个例子：用户对ChatGPT下达“用Python编写指定函数”的任务，ChatGPT根据这一指令给出了相关代码。对于ChatGPT给出的代码，CriticGPT点评了其中一条，并给出了效果更好的替代方案。还有一项数据显示，在OpenAI的实验中，随机训练师在超过60%的时间里更倾向于人类与CriticGPT合作后得出的指正，而不是单纯由人类训练师作出的批评。不过，OpenAI也指出，CriticGPT的建议并不总是正确的，但与没有人工智能的帮助相比，它还是可以帮助训练师找出模型中的更多问题。 ... PC版： 手机版：

数据分析神器：ChatGPT 上线 GPT-4 以来最强应用“代码解释器”

数据分析神器：ChatGPT 上线 GPT-4 以来最强应用“代码解释器” OpenAI 的语言模型 ChatGPT 最近推出了新功能：代码解释器（Code Interpreter）。这个新功能已经对所有 Plus 订阅用户开放，代码解释器扩展了 ChatGPT 的功能，为用户带来了更好的交互式编程体验和强大的数据可视化功能。有了它之后，即使不是程序员，只需要用自然语言向 ChatGPT 下达指令，也可以完成需要复杂编程技术的任务。 使用代码解释器非常简单，用户只需点击 ChatGPT 平台上的个人资料名，从下拉菜单中进入设置，选择“Beta 功能”，就可以找到代码解释器的选项，然后开启即可。 代码解释器对于经常使用代码和数据的专业人士和爱好者都非常有用，这是一个多功能的工具，可以用于分析数据、创建图表、编辑文件、执行数学运算等等。

OpenAI ChatGPT Code Interpreter入门 | Code Interpreter允许GPT-4这种最先进

OpenAI ChatGPT Code Interpreter入门 | Code Interpreter允许GPT-4这种最先进的AI模型上传和下载信息，并为你编写和执行程序，对于那些不会编程的人可能最有用。 它为AI提供了一个通用的工具箱来解决问题（通过使用Python编写代码），一个大容量的内存来处理数据（可以上传100MB的文件，包括压缩文件），并将这个工具箱与AI相结合，发挥出大型语言模型的优势。这有助于解决ChatGPT之前存在的一些问题，例如在数学和语言方面的不准确性。 同时，Code Interpreter还降低了幻觉和虚构率，使AI更加多才多艺，并提供了更多令人惊叹的人工智能时刻。

OpenAI 用 GPT-4 来解释 GPT-2 的行为

OpenAI 用 GPT-4 来解释 GPT-2 的行为 大语言模型（LLM）像大脑一样，它们是由 “神经元” 组成的，它们观察文本中的一些特定模式，以影响整个模型接下来 “说” 什么。但由于 LLM 中的参数数量多到已经无法由人类解释的程度，因此，LLM 给人一种 “黑盒” 的感觉，并出现了偏见、幻觉、涌现等一系列不好解释的现象。OpenAI 正在开发一种工具，以自动识别 LLM 的哪些部分负责其哪些行为。它使用 GPT-4 来解释其 4 年前发布的只有 30 万个“神经元”（15 亿个参数）的 GPT-2。目前该工具代码和所有的 “神经元” 解释数据已经开源，OpenAI 称该工具还在早期阶段。生成的解释结果并不令人满意，看起来连 GPT-4 都不能太用人类可以理解的语言来解释GPT-2 的行为。来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot