大型语言模型（LLMs）在解决问题方面的非凡能力日益显现。最近，一个值得关注的现象是，这些模型在多项数学推理的基准测试中获得了惊人的成绩。以 GPT-4 为例，在高难度小学应用题测试集 GSM8K [1] 中表现优异，准确率高达 90% 以上。同时，许多开源模型也展现出了不俗的实力，准确率超过 80%。
还记得去年 AI 大牛 Andrej Karpathy 大力宣传的「AutoGPT」项目吗？它是一个由 GPT-4 驱动的实验性开源应用程序，可以自主实现用户设定的任何目标，展现出了自主 AI 的发展趋势。
让大小模型相互博弈，就能实现生成内容可读性的提升！
当我们不停在CoT等领域大下苦功、试图提升LLM推理准确性的同时，OpenAI的对齐团队从另一个角度发现了华点——除了准确性，生成答案的清晰度、可读性和可验证性也同样重要。
这几天你还在等录取通知书吗？每次高考完，总有一些人特别招人烦。要么是高考博主分享人生感悟，也有复读班常客带你估分，最讨厌的就属一群中年人，在那里看着作文题高谈阔论找存在感。
本文揭示了OpenAI一年创收34亿美元的收入构成，主要来自ChatGPT付费用户，API收入仅占15%。
机器人行业的「GPT-3」时刻已经出现？
没眼看……“9.11和9.9哪个大”这样简单的问题，居然把主流大模型都难倒了？？
把因果链展示给 LLM，它就能学会公理。
视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？
