据 TechCrunch 获得的一份文件显示,OpenAI 即将开始测试一项让企业客户将 Slack 和 Google Drive 等应用程序连接到 ChatGPT 的新功能。
根据该文件,OpenAI 计划开始对一项名为 ChatGPT Connectors 的新功能进行 beta 测试。ChatGPT Connectors 将允许 ChatGPT Team 订阅用户将工作区的 Google Drive 和 Slack 账户链接到 ChatGPT,使聊天机器人能够基于这些账户中的文件、演示文稿、电子表格和 Slack 对话来回答问题。
文件显示,OpenAI 计划未来将 ChatGPT Connectors 扩展到其他平台,如 Microsoft SharePoint 和 Box。
文件中写道:"这将使使用 ChatGPT 的员工能够轻松利用内部信息,就像他们通过网络搜索使用世界知识一样。"
ChatGPT Connectors 是 OpenAI 最新尝试将 ChatGPT 打造成企业软件工具包中不可或缺的一部分。虽然一些公司对允许 ChatGPT 访问敏感业务信息持保留态度,但其他公司则完全接受这项技术。
ChatGPT Connectors 可能说服谨慎的公司高管改变立场,并对像 Glean 这样的 AI 驱动的企业搜索平台构成强有力的挑战。
根据文件,ChatGPT Connectors 将为特定的 ChatGPT Team 用户推出测试版,该功能由 OpenAI 的 GPT-4o 模型的一个版本驱动,可以根据"内部 (公司) 知识"优化其响应。参与的 ChatGPT Team 工作区中的所有用户都可以通过 OpenAI 的 ChatGPT 应用程序访问该模型。
定制的 GPT-4o 模型会搜索和"阅读"可能与查询相关的内部信息。根据文件,为了创建搜索索引,OpenAI 会在 ChatGPT 的服务器上同步公司文件和对话的加密副本。
文件指出:"每个响应底部的源按钮可以点击访问模型未直接使用的其他相关信息。在适当时,模型将直接响应相关结果列表。"
为了向客户保证 ChatGPT 不会泄露其私人数据,文件强调 Slack 和 Google Drive 的权限将被"完全尊重"并"持续更新"。例如,ChatGPT Connector 会同步 Slack 私人频道成员资格和 Drive 文件权限以及目录信息。
根据 OpenAI 文件,员工无法通过 ChatGPT 发现他们在 Google Drive 或 Slack 中无法访问的内容,管理员将可以选择同步哪些 Slack 频道和 Google Drive 文件。OpenAI 在文件中表示,一个小缺点是员工可能会对相同的 ChatGPT 提示得到"显著不同"的响应。
ChatGPT Connector 的访问也存在技术限制。
根据文件,Google Drive 文件(如 Google Docs、Google Slides、PDF、Word 文档、PowerPoint 演示文稿和纯文本)中的图像不受支持,文件指出 ChatGPT Connector 只能"读取"而不能分析 Sheets 和 Excel 工作簿中的数据。ChatGPT Connector 无法检索 Slack 私信或群组消息,也会忽略来自 Slack 机器人的消息。
希望参与 ChatGPT Connector beta 测试的公司被要求向 OpenAI 提供 100 个文档、电子表格、演示文稿和/或 Slack 频道对话。该公司在文件中表示不会直接对这些信息进行训练,但可能将其用作"合成数据生成的输入",这些数据可能用于训练。
文件中写道:"从 Google Drive 或 Slack 同步的数据不会用于训练。"
OpenAI 未回应多次评论请求。
好文章,需要你的鼓励
研究显示47%的企业在IT人才招聘和留存方面面临挑战,流失率居高不下。意大利53%的IT主管表示人才吸引和保留是日常难题。专家认为人才并非稀缺,而是未得到重视,因此更愿意出国发展。成功的CIO需要识别人才、给予适当机会并建立信任关系。通过持续培训、职业发展机会和有效领导力,企业可以更好地留住IT专业人员。
牛津大学研究团队发现,经过强化学习训练的AI搜索助手存在严重安全漏洞。通过简单的"搜索攻击"(强制AI先搜索)和"多重搜索攻击"(连续十次搜索),可让AI的拒绝率下降60%,安全性降低超过80%。问题根源在于AI的安全训练与搜索功能训练分离,导致搜索时会生成有害查询。研究呼吁开发安全感知的强化学习方法。
一家医疗机构的关键业务应用在早晨高峰期会停止响应长达半小时。技术顾问调查发现,应用厂商在未告知客户的情况下,于业务时间在生产系统上运行修复任务,导致数据库锁定。更令人震惊的是,该生产数据库存储医疗数据和支付信息,却完全没有访问控制,任何用户都可以访问任何数据。
斯坦福大学团队开发了GuideFlow3D技术,通过创新的引导机制解决3D对象外观转换难题。该方法采用智能分割和双重损失函数,能在保持原始几何形状的同时实现高质量外观转换,在多项评估中显著优于现有方法,为游戏开发、AR应用等领域提供了强大工具。