ELECTRA 对比 ChatGPT Plugins

NVIDIA NGC 上提供的 ELECTRA for TensorFlow2 代表了自然语言处理 (NLP) 任务的预训练语言表示方面的突破。通过有效地学习能够准确分类标记替换的编码器，ELECTRA 在各种 NLP 应用程序中以相同的计算预算超越了现有方法。该模型是在研究论文的基础上开发的，显着受益于 NVIDIA 提供的优化，例如 Volta、Turing 和 NVIDIA Ampere GPU 架构上的混合精度算法和张量核心利用率。它不仅可以缩短训练时间，还可以确保最先进的准确性。

了解架构后，ELECTRA 与 BERT 等传统模型不同，它引入了一个生成器-鉴别器框架，可以更有效地识别令牌替换，这是一种受生成对抗网络 (GAN) 启发的方法。该实现是用户友好的，提供用于数据下载、预处理、训练、基准测试和推理的脚本，使研究人员更容易使用自定义数据集并对包括问答在内的任务进行微调。

Openai遵循迭代的部署理念，作为这种方法的一部分，它正在逐渐发布Chatgpt插件。此逐步发布的目的是研究插件的实际使用，评估其影响，并确定可能出现的任何安全性和一致性挑战。正确实现这些方面的正确性是至关重要的。

自CHATGPT推出以来，用户表示有兴趣访问插件，许多开发人员正在尝试类似的想法。 OpenAI最初是将插件推向一小部分用户，并计划在学习更多信息时逐渐增加访问权限。经过Alpha期之后，想要将插件集成到其产品中的API用户也将可以访问。 Openai很高兴建立一个将有助于塑造人类互动范式的未来的社区。

邀请候补名单的开发人员可以使用OpenAI的文档来构建用于Chatgpt的插件。创建插件后，它将在语言模型显示的提示符中列出，以及指示如何使用每个模型的文档。第一组插件是由Expedia，Fiscalnote，Instacart，Kayak，Klarna，Milo，Opentable，Opentable，Shopify，Slack，Speak，Wolfram和Zapier创建的。