请加入我们的行列，与我们一起仔细了解 OpenAI 最近发布的ChatGPT 更新。我们将探讨画布、视觉功能微调和最新的搜索功能。
Cookie 设置
点击“接受所有 Cookie”，即表示您同意在您的设备上存储 Cookie，以增强网站导航、分析网站使用情况并协助我们的营销工作。更多信息
请加入我们的行列，与我们一起仔细了解 OpenAI 最近发布的ChatGPT 更新。我们将探讨画布、视觉功能微调和最新的搜索功能。
在我们上次于九月份了解了OpenAI 的 o1 模型（旨在改进推理）之后，ChatGPT 又新增了许多令人兴奋的功能。其中一些版本面向开发者，另一些则旨在改善用户体验。总的来说，每次升级都有助于使ChatGPT 的交互更直观、更有效。
诸如专为协作写作和编码而设计的 Canvas，以及改善ChatGPT 图像处理方式的视觉功能 微调等更新引发了广泛的兴趣，鼓励用户探索更多创造性的可能性。同时，技术升级，如新的应用程序接口和公平性测试报告，解决了模型集成和人工智能道德 实践等方面的问题。让我们深入了解 OpenAI 最新的ChatGPT 功能！
Canvas 是ChatGPT用户界面 (UI) 自发布以来的首次重大更新。新界面采用双屏布局，提示位于左侧边栏，回复位于右侧窗口。新的用户界面摒弃了聊天式单屏结构的常规工作流程，转而采用适合多任务处理的双屏布局，以提高工作效率。
在引入 Canvas 之前，在ChatGPT 上处理长文档意味着需要上下滚动很多页面。在新布局中，提示显示在左侧边栏，文本文档或代码片段占据了屏幕的大部分。如果需要，你甚至可以自定义左侧边栏和输出屏幕的大小。此外，你还可以选择部分文本或代码片段，在不修改整个文档的情况下编辑特定部分。
如果您使用 Canvas，您会发现在ChatGPT 界面上没有特定的按钮或切换键来打开它。相反，在使用 GPT-4o 模型时，如果检测到您正在编辑、写作或编码，Canvas 就会自动打开。对于较简单的提示，它则保持不活动状态。如果要手动打开，可以使用 "打开画布 "或 "给我画布布局 "等提示。
目前，Canvas 仍处于 Beta 测试阶段，仅适用于 GPT-4o。但是，OpenAI 已经提到，当 Canvas 退出 Beta 测试阶段后，将向所有免费用户开放。
OpenAI 发布了三个新的ChatGPT API 更新，旨在提高效率、可扩展性和通用性。让我们来详细了解一下这些更新。
通过 OpenAI API 使用 模型蒸馏 功能，开发者可以使用 GPT-4o 或 o1-preview 等 高级模型 的输出来增强 性能 较小、成本效益高的模型（如 GPT-4o mini）。模型蒸馏是一个 训练 较小模型以模仿更高级模型行为的过程，从而提高它们在 特定任务 中的效率。
在此功能推出之前，开发人员必须使用不同的工具手动协调各种任务。这些任务包括生成数据集、测量模型性能和微调模型，这通常会使过程变得复杂且容易出错。模型蒸馏更新允许开发人员使用存储完成，这是一种工具，允许他们通过 API 捕获和存储高级模型生成的输入-输出对来自动生成数据集。
模型蒸馏的另一个特性是 Evals（目前处于测试阶段），它可以帮助衡量模型在特定任务上的表现，而无需创建自定义评估脚本或使用单独的工具。通过使用使用存储完成生成的数据集和使用 Evals 评估性能，开发人员可以微调他们自己的自定义 GPT 模型。
通常，在构建 AI应用程序，特别是 聊天机器人时，相同的上下文（理解当前请求所需的背景信息或之前的对话历史）会多次用于多个API调用。Prompt Caching 使开发人员可以重用最近使用的 输入 tokens（模型处理以理解提示并生成响应的文本片段），从而有助于降低成本和延迟。
从 10 月 1 日起，OpenAI 已自动将 Prompt Caching 应用于其模型，如 GPT-4o、GPT-4o mini、o1-preview 和 o1-mini。这意味着当开发人员使用 API 与具有长 prompt（超过 1,024 个 tokens）的模型交互时，系统会保存已处理的部分。
这样，如果再次使用相同或相似的提示，它可以跳过重新计算这些部分。系统会自动缓存之前遇到的提示的最长部分，从 1,024 个 token 开始，并随着提示变长而以 128 个 token 的块添加。
创建一个语音助手通常需要将音频转录为文本，处理文本，然后将其转换回音频以播放响应。OpenAI 的 Realtime API 旨在通过单个 API 请求处理整个过程。通过简化该过程，该 API 能够与 AI 进行实时对话。
例如，与 Realtime API 集成的语音助手可以根据用户请求执行特定操作，例如下单或查找信息。该 API 使语音助手更具响应能力，并能够快速适应用户的需求。Realtime API 于 10 月 1 日通过公开测试版发布，包含六种声音。10 月 30 日，又添加了五种声音，总共有十一种可用声音。
最初，GPT-4o 视觉语言模型只能使用纯文本数据集进行微调和定制。现在，随着视觉微调 API 的发布，开发人员可以使用图像数据集训练和定制 GPT-4o。自发布以来，视觉微调已成为开发人员和计算机视觉工程师的主要关注点。
为了微调 GPT-4o 的视觉能力，开发人员可以使用图像数据集，其范围从 100 张图像到 50,000 张图像不等。在确保数据集与 OpenAI 要求的格式匹配后，可以将其上传到 Openai 平台，并且可以针对特定应用对模型进行微调。
例如，自动化公司 Automat 使用屏幕截图数据集来训练 GPT-4o，使其能够根据描述识别屏幕上的 UI 元素。这有助于简化机器人流程自动化 (RPA)，使机器人更容易与用户界面交互。该模型无需依赖固定的坐标或复杂的选择器规则，而是可以根据简单的描述识别 UI 元素，从而使自动化设置更具适应性，并且在界面更改时更易于维护。
随着人工智能变得越来越先进，围绕人工智能应用的伦理问题也成为一个突出的话题。由于ChatGPT的回答是基于用户提供的提示和互联网上的数据，因此要对其语言进行微调，使其始终负责任，是一项具有挑战性的工作。有报告称，ChatGPT的回答在姓名、性别和种族方面存在偏见。为了解决这个问题，OpenAI 的内部团队进行了第一人称公平性测试。
名字通常蕴含着有关我们的文化和地理因素的微妙线索。在大多数情况下，ChatGPT 会忽略名字中的微妙暗示。然而，在某些情况下，反映种族或文化的名称会导致ChatGPT 作出不同的反应，其中约有 1% 反映了有害语言。对于语言模型来说，消除偏见和有害语言是一项具有挑战性的任务。然而，通过公开分享这些发现并承认模型的局限性，OpenAI 可以帮助用户改进他们的提示，从而获得更加中立、无偏见的答案。
在ChatGPT 推出之初，人工智能社区曾讨论过它能否取代传统的网页浏览。现在，很多用户都在用 ChatGPT 代替Google 搜索。
OpenAI 的新升级功能 "搜索 "在此基础上更进一步。有了搜索功能，ChatGPT 可以生成最新回复，并包含相关来源的链接。自 10 月 31 日起，所有ChatGPT Plus 和 Team 用户均可使用搜索功能，这使得ChatGPT 的功能更像一个人工智能驱动的搜索引擎。
ChatGPT 最近的更新重点是让人工智能更有用、更灵活、更公平。新的 "画布"（Canvas）功能可以帮助用户更高效地工作，而视觉微调功能则允许开发人员自定义模型，以便更好地处理视觉任务。解决公平性和减少偏见也是关键优先事项，以确保人工智能对每个人都能发挥良好的作用，无论他们是谁。无论您是正在对模型进行微调的开发人员，还是正在使用最新功能的开发人员，ChatGPT 都在不断发展，以满足广泛的需求。凭借实时功能、可视化集成以及对负责任使用的关注，这些更新将为每个人打造更可信、更可靠的人工智能体验。
访问我们的GitHub 存储库并加入我们的社区，了解更多关于 AI 的信息。了解更多关于 AI 在自动驾驶和医疗保健中的应用。
