OpenAI 春季发布会：GPT-4o 模型
OpenAI 在春季发布会上推出了 GPT-4o 模型，这是迈向更自然的人机交互的一步。GPT-4o 可以接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像输出的任意组合。它在英语文本和代码上的性能与 GPT-4 Turbo 相匹配，在非英语语言的文本上也有显著改进，同时在 API 中也更快且便宜 50%。与现有模型相比，GPT-4o 在视觉和音频理解方面尤其出色。
GPT-4o 具有内置安全性，通过过滤训练数据和通过训练后改进模型行为等技术，在设计上具有跨模态的安全性。OpenAI 还创建了新的安全系统，为语音输出提供护栏。OpenAI 对网络安全、CBRN、说服力和模型自主性的评估表明，GPT-4o 在这些类别中的任何一个类别中的得分都不超过中等风险。
演讲者强调了将微调和 RAG 相结合以获得最佳性能的好处。他们将该理论应用于 Spider 1.0 基准测试，使用 RAG 和微调实现了高精度。演讲最后总结了优化流程，并强调了使用所讨论的技术迭代提高 LLM 性能的重要性。演讲者还邀请观众提问，并进行了进一步讨论。
