今天凌晨2点,OpenAI开启了第七天技术直播,发布了全新功能——ChatGPT Projects。
其实你从Projects这个名字就能看出来,是一个项目大合集,里面包含了文件与指令上传、自定义对话、Canvas、网络搜索、对话管理、实时协作等最新实用高效率的产品。
简单来说,现在ChatGPT已经从一个单一的AI对话,演变成一个高效率的协作平台,无论是开发代码、分析文件、搜索新闻都非常方便,成为提升工作效率的利器。
所以,短期内Projects只是一个高效率协作平台,但从长远来看OpenAI也想分一块ERP、CRM的蛋糕朝着企业级效率管理应用发展。
迫不及待想试试这个新功能了。
这真的很有必要,可能是ChatGPT最有用的功能之一了。
这次更新还不错。
这个功能真的很棒。
多么智能的功能,想赶紧试试。
OpenAI的又一突破性功能。现在我可以如此高效地组织我的聊天,或许我真的会开始更多地进行对话了!
Project功能太棒了。这将极大地推动企业、大学和个人的产品化进程。
Projects功能介绍
在使用Projects之前,你需要先创建它,点击左侧边栏中的加号按钮,就能够迅速启动一个新项目,然后起一个名字和颜色标识即可,便于区分不同的工作内容。
例如,在准备一次家庭聚会时,你可以创建名为“Family Gathering”的项目,并选择温馨的颜色来匹配节日气氛。一旦创建了项目,就可以进一步对其进行编辑,包括调整标题、添加描述信息等,确保每个项目都符合个人或团队的需求。
文件与指令上传:项目创建完成后,用户可以将各类文件上传至项目中,包括PDF文档、数据电子表格,还图片和音频文件全部都没问题,整体兼容性非常强。
例如,你是正在进行新产品市场调研时,将收集到的调查问卷数据、行业报告以及竞争对手分析文档上传至项目中。这些文件为 ChatGPT 提供了丰富的背景信息,使其能够在对话中生成更具深度和针对性的见解。
当你询问关于目标市场趋势的问题时,ChatGPT 能够基于上传的文件数据进行分析,给出精准的预测和建议。
此外,用户还可以设置自定义指令,为 ChatGPT 的回应注入个性化特点。例如,一位设计师上传了品牌风格指南文件,并设置指令要求 ChatGPT 在提供设计建议时遵循品牌的核心价值观和视觉风格。ChatGPT 在对话中始终牢记这些指令,生成的设计理念与品牌形象高度契合。
对话管理与搜索:在项目进行中,团队成员之间的沟通是至关重要的。ChatGPT Projects提供了一个对话管理工具,让你可以轻松地组织和搜索过去的对话记录。
例如,你想回顾关于某个特定设计决策的讨论,可以直接在项目中搜索相关关键词,快速找到那次对话。此外,你还可以将重要的对话固定在项目中,以便团队成员随时查阅,确保信息的透明度和一致性。
超强的集成能力:除了上面那些特色功能之外,ChatGPT Projects还集成了多种实用工具,包括网络搜索、Canvas、实时聊天协作、API集成、多类型代码执行等。
以编程为例,开发者不仅可以利用内置的Canvas快速生成网页模板代码,还可以借助网络搜索功能获取最新的技术资讯或参考案例。同时对于那些涉及复杂流程管理的任务(如项目进度跟踪),用户同样能够在不离开项目环境的情况下完成相应操作。
例如,在规划一次大型会议时,用户可以使用时间轴视图直观展示各项准备工作的时间安排,同时邀请相关人员加入讨论并实时更新状态。所以,这种高度产品集成的方法,无论多么复杂的任务都能在一个统一平台上高效执行,尤其是对于企业用户来说帮助非常大。
从今天开始,ChatGPT Plus、Pro和Teams用户已经可以使用该功能,未来会扩展至免费用户。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。