GLaM 对比 ChatGPT Plugins

题为“GLaM：专家混合的语言模型的高效扩展”的论文提出了一种新的语言模型开发方法，可以提高效率和性能。 GPT-3 等传统密集模型通过扩展大型数据集和提高计算能力，在自然语言处理 (NLP) 方面取得了突破。然而，这种扩展的资源成本很高。

提出的 GLaM 模型通过引入稀疏激活的专家混合架构来解决这个问题。这使得 GLaM 能够拥有更多的参数——1.2 万亿，大约是 GPT-3 的 7 倍——同时减少训练和推理所需的能量需求和计算量。值得注意的是，GLaM 在 29 个 NLP 任务中的零样本和一次性学习方面也优于 GPT-3，这标志着在寻求更高效、更强大的语言模型方面向前迈出了一步。

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。