Orca 对比 GPT-4

人工智能的最新进展为机器学习的开拓性研究铺平了道路，特别是针对较小人工智能模型的细化。受这一概念的启发，微软研究院推出了“Orca”，这是一种尖端方法，旨在通过利用 GPT-4 等大型基础模型产生的强大解释轨迹来升级这些紧凑型 AI 结构的学习过程。

这种创新方法解决了人工智能模仿学习领域遇到的几个挑战，例如来自较大模型的表面输出的有限学习信号、小型且同质训练数据集的限制性，以及至关重要的缺乏严格的评估参数直接影响到这些模型的整体质量和可靠性。 Orca 证明了微软致力于发展人工智能学习并增强小型模型的推理、解释和最终理解能力，就像大型模型一样。

GPT-4是Openai在扩大深度学习方面努力的最新里程碑。

GPT-4是一个大型的多模式模型（接受图像和文本输入，发射文本输出），尽管在许多现实世界中，虽然比人类的能力较低，但在各种专业和学术基准中都表现出人级的性能。例如，它通过模拟的律师考试，其得分围绕着考试者的前10％。相比之下，GPT-3.5的得分约为底部的10％。我们花了6个月的时间使用对抗性测试计划和CHATGPT的课程将GPT-4的迭代对准4，从而在事实，可管道性和拒绝外出护栏方面取得了我们最好的结果（尽管远非完美）。

GPT-4比以往任何时候都更具创造力和协作性。它可以在创意和技术写作任务上生成，编辑和迭代，例如创作歌曲，写剧本或学习用户的写作方式。