GPT-4 整治学术不端：人大 / 浙大团队实测 7000 篇论文，撤稿预测与人类 95% 一致

GPT-4整治学术不端：人大/浙大团队实测7000篇论文，撤稿预测与人类95%一致https://www.ithome.com/0/761/869.htmhttps://arxiv.org/abs/2403.16851（英文）研究表明，GPT-4的总体预测结果（包含撤稿预测和非撤稿预测）与人工预测结果的一致性最高，高达约95%！其次是GPT-3.5和SVM模型，其一致性超过80%。而关键词方法与其他机器学习模型的一致性则在46%-64%之间，预测效果一般。在精确率方面，同样是GPT-4的精确率最高：GPT-4预测会撤稿的论文中，近70%的在人工预测中同样会撤稿。而其他模型的预测精确率均远低于GPT-4。

OpenAI 连更 5 款模型：修复 GPT-4“变懒”BUG，GPT-3.5 Turbo 模型输出降价 50%

OpenAI连更5款模型：修复GPT-4“变懒”BUG，GPT-3.5Turbo模型输出降价50%OpenAI今天一口气宣布了5个新模型，包括两个文本嵌入模型、升级的GPT-4Turbo预览版和GPT-3.5Turbo、一个审核模型。更新GPT-4Turbo预览模型：重点修复了模型的“变懒”情况，能更彻底地完成代码生成等任务。新预览版还改善了对非英语生成问题的支持，引入“gpt-4-turbo-preview”模型别名，可自动指向最新的预览版。定价更低的新嵌入模型：OpenAI还引入了两种新的嵌入模式，一种是体积更小、效率更高的text-embedding-3-small模型，另一种是体积更大、功能更强的text-embedding-3-large模型。原生支持shortening：允许开发人员以降低存储和计算需求来换取一定的准确性。简单地说，保持主旨不变的情况下，shortening就像从一个复杂的标签中去掉一些不那么重要的细节。GPT-3.5Turbo：新的输入价格定格在每1ktoken价格为0.0005美元，而输出价格则为每1ktoken价格为0.0015美元。投稿：@TNSubmbot频道：@TestFlightCN

论文投Nature先问问GPT-4 斯坦福实测5000篇 一半意见跟人类评审没差别

论文投Nature先问问GPT-4斯坦福实测5000篇一半意见跟人类评审没差别GPT-4提出的超50%观点与至少一名人类评审员一致；以及超过82.4%的作者都发现GPT-4给的意见很有帮助。那么，这项研究究竟能给我们带来何种启示？结论是：高质量的人类反馈仍然不可替代；但GPT-4可以帮助作者在正式同行评审前改进初稿。具体来看。实测GPT-4论文评审水平为了证明GPT-4的潜力，研究人员首先用GPT-4创建了一个自动pipeline。它可以解析一整篇PDF格式的论文，提取标题、摘要、图表、表格标题等内容来构建提示语。然后让GPT-4提供评审意见。其中，意见和各顶会的标准一样，共包含四个部分：研究的重要性和新颖性、可以被接受的潜在原因或被拒绝的理由以及改进建议。具体实验从两方面展开。首先是定量实验：读已有论文，生成反馈，然后与真实人类观点系统地比较出重叠部分。在此，团队从Nature正刊和各大子刊挑选了3096篇文章，从ICLR机器学习会议（包含去年和今年）挑选了1709篇，共计4805篇。其中，Nature论文共涉及8745条人类评审意见；ICLR会议涉及6506条。GPT-4给出意见之后，pipeline就在match环节分别提取人类和GPT-4的论点，然后进行语义文本匹配，找到重叠的论点，以此来衡量GPT-4意见的有效性和可靠度。结果是：1、GPT-4意见与人类评审员真实意见显著重叠整体来看，在Nature论文中，GPT-4有57.55%的意见与至少一位人类评审员一致；在ICLR中，这个数字则高达77.18%。再进一步仔细比较GPT-4与每一位评审员的意见之后，团队又发现：GPT-4在Nature论文上和人类评审员的重叠率下降为30.85%，在ICLR上降为39.23%。但这与两位人类审稿人之间的重叠率相当：人类在Nature论文上的平均重叠率为28.58%；在ICLR上为35.25%。此外，他们还通过分析论文的等级水平（oral、spotlight、或是直接被拒绝的）发现：对于水平较弱的论文来说，GPT-4和人类审稿人之间的重叠率更高，可以从上面的30%多升到近50%。这说明，GPT-4对水平较差的论文的鉴别能力很高。作者也因此表示，那些需要更实质性修改才能被接收的论文有福了，大伙儿可以在正式提交前多试试GPT-4给出的修改意见。2、GPT-4可以给出非通用反馈所谓非通用反馈，即GPT-4不会给出一个适用于多篇论文的通用评审意见。在此，作者们衡量了一个“成对重叠率”的指标，结果发现它在Nature和ICLR上都显著降低到了0.43%和3.91%。这说明GPT-4是有针对性的。3、能够在重大、普遍问题上和人类观点一致一般来说，人类反馈中较先出现的意见以及多个评审员都提及的意见，最可能代表重要、普遍的问题。在此，团队也发现，LLM更有可能识别出多个评审员一致认可的常见问题或缺陷。也就是说，GPT-4在大面上是过得去的。4、GPT-4给的意见更强调一些与人类不同的方面研究发现，GPT-4评论研究本身含义的频率是人类的7.27倍，评论研究新颖性的可能性是人类的10.69倍。以及GPT-4和人类都经常建议进行额外的实验，但人类更关注于消融实验，GPT-4更建议在更多数据集上试试。作者表示，这些发现表明，GPT-4和人类评审员在各方面的的重视程度各不相同，两者合作可能带来潜在优势。定量实验之外是用户研究。在此共包括308名来自不同机构的AI和计算生物学领域的研究员，他们都在本次研究中上传了各自的论文给GPT-4进行评审。研究团队收集了他们对GPT-4评审意见的真实反馈。总体而言，超过一半（57.4%）的参与者认为GPT-4生成的反馈很有帮助，包括给到一些人类想不到的点。以及82.4%的调查者认为它比至少一些人类评审员的反馈更有益。此外，还有超过一半的人（50.5%）表示，愿意进一步使用GPT-4等大模型来改进论文。其中一人表示，只需要5分钟GPT-4就给出了结果，这个反馈速度真的非常快，对研究人员改善论文很有帮助。当然，作者指出：GPT-4也有它的局限性。最明显的是它更关注于“整体布局”，缺少特定技术领域（例如模型架构）的深度建议。所以，如作者最后总结：人类评审员的高质量反馈还是不可或缺，但大家可以在正式评审前拿它试试水，弥补遗漏实验和构建等方面的细节。当然，他们也提醒：正式评审中，审稿人应该还是独立参与，不依赖任何LLM。一作都是华人本研究一作共三位，都是华人，都来自斯坦福大学计算机科学学院。他们分别是：梁伟欣，该校博士生，也是斯坦福AI实验室（SAIL）成员。他硕士毕业于斯坦福电气工程专业，本科毕业于浙江大学计算机科学。YuhuiZhang，同博士生在读，研究方向为多模态AI系统。清华本科毕业，斯坦福硕士毕业。曹瀚成，该校五年级博士在读，辅修管理科学与工程，同时加入了斯坦福大学NLP和HCI小组。此前毕业于清华大学电子工程系本科。...PC版：https://www.cnbeta.com.tw/articles/soft/1388425.htm手机版：https://m.cnbeta.com.tw/view/1388425.htm

可能很多重度用户跟我一样都感觉到 ChatGPT 最近几个月变傻了一些。还真是这样， 这篇论文最近半年对 GPT3.5 和 GP

可能很多重度用户跟我一样都感觉到ChatGPT最近几个月变傻了一些。还真是这样，这篇论文最近半年对GPT3.5和GPT4的研究发现：GPT4年初生成的代码52%概率可以直接执行，而现在大幅下降到10%。对素数的识别准确率从97.6%骤降到了2.4%https://arxiv.org/pdf/2307.09009.pdf来源https://twitter.com/quinn_leng/status/1681513871549558786

GPT-4论文竟有隐藏线索：GPT-5或完成训练、OpenAI两年内接近AGI

GPT-4论文竟有隐藏线索：GPT-5或完成训练、OpenAI两年内接近AGI1.ARC(AlignmentResearchCenter)是一个非营利性研究机构，其使命是使未来的机器学习系统与人类利益保持一致。ARC的目标是训练AI模型，使其不会操纵、欺骗甚至伤害人类）。OpenAI曾经选择让ARC去测试评估GPT-4会不会主动避免自己被“挂掉”，说明此前必定出现过这种情况。OpenAICEOSamAltman认为人类需要对AI做更多的监管，以符合人类的利益。OpenAI担忧科技竞赛会导致安全标准的下降、不良规范的扩散、AI发展进程的加速，加剧与人工智能相关的社会风险。但是微软CEO和CTO希望OpenAI的模型能尽快让用户用起来。可以肯定的一点是OpenAI和微软在这件事的想法是相悖的。OpenAI雇佣了预测专家，来预测当他们部署了GPT-4之后会带来怎样的风险。“超级预测员”建议将GPT-4部署时间推迟6个月，也就是今年秋季左右；但很显然，OpenAI并没有采纳他们的建议。OpenAI这么做的原因，可能是来自微软的压力。2.OpenAI会协助超越它的公司：OpenAI做出了一个非常大胆的承诺："如果另一家公司在我们之前实现了接近AGI（通用人工智能），那我们承诺不会跟它做竞争，相反，会协助完成那个项目。但这种情况发生的条件，可能是另一家公司需得在未来两年内，成功接近AGI的机会在一半或以上"而这里提到的AGI，OpenAI和Altam在官方博客中已经给出了定义——普遍比人类更聪明，并且有益于全人类的人工智能系统。3.GPT-4确实已经达到了人类的常识水平。博主在论文中找到了相关数据，在“人类”那一栏中，分数分布在了94-96.5之间。而GPT-4的95.3，便正好在这个区间之间。4.OpenAI在去年年底推出ChatGPT的时候，已经有了GPT-4。GPT-5可能已经完成训练5.像ChatGPT、GitHubCopilot这些工具导致某些工作的自动化。GPT-4的能力可以在某些特定领域中以人类10倍甚至更高的效率来完成。5.OpenAI让GPT-4学会拒绝的方法，叫做基于规则的奖励模型（RBRMs）。这种方法的工作流程：给GPT-4一组要遵守的原则，如果模型遵守了这些原则，那么就会提供相应的奖励。他认为OpenAI正在用人工智能的力量，让AI模型朝着符合人类原则的方向发展。()参考链接：[1]https://www.youtube.com/watch?v=ufQmq6X22rM[2]https://cdn.openai.com/papers/gpt-4.pdf投稿：@ZaiHuabot频道：@TestFlightCN