OpenAI 宣布为 ChatGPT 推出一项名为"深度研究"的新型"代理"功能,使其能够代表用户进行深入复杂的研究工作。
该公司在周日发布的博客文章中介绍了这项新功能。文章指出,该功能可以自主运行,规划并执行多步骤流程来查找用户所需的信息。OpenAI 表示,它能够在必要时"回溯并对实时信息作出反应"。
当用户使用深度研究功能进行调查时,他们得到的不仅仅是一个简单的文本答案。相反,ChatGPT 会在侧边栏显示其研究过程的摘要,并附带引用来源的研究发现。
用户可以使用简单的文本提问,并上传图像和其他文件(如 PDF 和电子表格)来提供背景信息。ChatGPT 将花费 5 到 30 分钟生成全面的回应。该公司表示,未来它还将能够在回应中嵌入图表和图像。
OpenAI 表示,ChatGPT 深度研究就像拥有一位专业的人类研究员,但同时警告说 AI 仍可能犯错。风险包括编造事实、难以区分谣言和权威信息,以及对某些回应进行评级。
该公司正试图通过使用新发布的"推理"模型 o3-mini 的专门版本来限制这些"幻觉"。该模型通过强化学习技术进行训练,使用浏览器和 Python 工具执行实际任务。
强化学习是一种使 AI 模型通过试错来学习实现特定目标的最佳方式的技术。当模型越接近目标时,它会获得虚拟奖励,从而激励它更高效地完成任务。
据 OpenAI 介绍,用于深度研究的 o3 版本已针对网络浏览和数据分析任务进行了优化。该公司解释说,该模型运用其推理能力来搜索、解释和分析互联网上海量的文本、图像和其他数据,并根据分析结果及时调整。
ChatGPT 深度研究属于"代理 AI",这是指能够在最少人工监督的情况下代表人类执行复杂多步骤任务的更高级 AI 工具。代理 AI 的理念是通过接管人类工作者不愿意自己做的重复性和繁琐任务来提高生产力。这项新功能是继 Operator(一个使用网络浏览器完成诸如查找和预订酒店房间等任务的工具)之后的又一发展。
OpenAI 在其博客文章中通过嵌入的视频展示了深度研究的功能,展示了关于零售业在过去三年中如何变化的信息请求。它提供了包含各种要点和表格的详细回应。
它还通过一个名为"人类的最后考试"的 AI 基准测试来运行深度研究,该测试评估 AI 模型回答"专家级问题"的能力。OpenAI 表示,它以 26.6% 的准确率创下新纪录,远超 ChatGPT 的 3.3% 和 o3-mini (high) 模型的 13%。
该公司表示,深度研究功能现已向 ChatGPT Pro 用户开放,每月支付 200 美元订阅费的用户可进行多达 100 次查询。该公司还承诺在未来几周内向 ChatGPT Plus、Team 和 Enterprise 用户提供"有限访问"权限。
该公司未提及向免费用户开放深度研究功能,这可能是因为该模型"计算资源消耗极大"。
好文章,需要你的鼓励
雅虎、Quora、Medium等在线媒体品牌正采用名为RSL的新协议,防止AI公司未经授权复制其内容用于模型训练。RSL协议基于RSS标准开发,为AI时代的互联网提供缺失的许可层。该协议旨在成为比robots.txt更强大的技术层,应对目前占互联网流量一半以上的AI爬虫。Reddit、MIT出版社等多家机构已加入该协议。随着AI导致网站流量下降25%,出版商正通过诉讼或授权协议寻求补偿。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
思科280亿美元收购Splunk后的18个月里,两家公司专注于将Splunk的机器数据分析技术与思科网络产品线融合,打造"思科数据织网"。Splunk平台高级副总裁表示,收购后的协同效应为Splunk带来新动力,公司策略得到放大而非偏离。双方快速整合工程团队,推出AI Canvas等项目,致力于解决企业IT数据孤岛问题。新举措包括将机器数据与业务洞察连接,推出面向Snowflake的联邦搜索功能。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。