GPT-4有哪些特征？

多模态、高认知、更安全。

1.多模态：接受图片+文字形式输入

根据OpenAI技术文档给出的案例，GPT-4，对于图片的理解能力极强。 1）同时识别多张图片内容。将3张图片拼凑成1张，GPT-4能够同时识别多张图片的内容。2）根据图片进行算数运算。将题目发给GPT-4，它能根据图片信息进行算数运算。3）阅读并总结论文。将论文中部分页面截图给GPT-4，即可阅读并总结主要内容并回答用户追加的相关问题。 4）解答高难度物理题目。将École Polytechnique（巴黎综合理工大学）物理考试题目传给GPT-4，并指定其解答某一问题，即可顺利识别任务并正确解答。

5）识别手写网页草图，并根据草图写出网页前端代码。如图7，将手写 “My Joke Website”网页样式传给GPT-4，GPT-4将反馈相应的前端代码，该代码不但可以顺利运行，也完全符合手绘草稿要求的内容和样式，具有极强的OCR(文字识别）能力。 6）理解人类社会常识，可读懂“网络梗图” ，具有更明显的“人性化”特征。如图8，用户提问“该图片中有什么特别之处？”GPT-4回答“男人在移动的出租车车顶烫衣服”是不符合人类社会常识之处，展示出惊人的理解力。如图9，用户请GPT-4回答图中的“梗”，GPT-4能够将“鸡块”和“世界地图”相联系，展示出强大的联想能力。

2.高认知：长文字处理+推理判断能力

GPT-4具有更强的长文字处理能力。GPT-4的上下文上限约为2.5万字，是Chat GPT的近8倍，允许使用长格式内容创建、扩展对话及文档搜索和分析等，能够阅读并记忆更多信息。 GPT-4有更高的推理判断能力。

GPT-4具有更高的认知水平。根据OpenAI给出的专业测试结果，GPT-4在高等数学、法律、生物、化学、英语、高级微观经济等学科的考试成绩远超GPT-3.5。 GPT-4在多领域的专业认知超过平均水准。在律师资格考试中，GPT-4的分数排名可以达到所有考生的前10%，而GPT-3.5只能排倒数10%，是GPT-4优化幅度最大的科目。此外，在GRE、SAT、历史、化学、生物、微观经济、宏观经济等科目中均超过至少80%以上的考生。编程能力（Codeforces Rating）反而是GPT-4最弱的科目，排名在倒数5%。

GPT-4的高认知特征具体体现在以下方面： 1）高常识推理能力。分别问Chat GPT和GPT-4“1+1什么情况等于3”时，Chat GPT只会从数学计算的角度思考，但GPT-4可以从常识推理的角度思考。 2）高可塑性。与Chat GPT不同，GPT-4能够以不同的语言风格与用户交流。当被设定为某个角色时，GPT-4将不会听从违背角色特征的指令。 3）高解决问题能力。GPT-4能够处理复杂问题，比如运用学习到的税务知识帮助用户解决税务问题。结合税法的高时效性与GPT-4的长文字处理能力，用户可以将最新的税法传给GPT-4后要求其为自己解决税务筹划问题。

3.更安全：分辨能力提高

GPT-4的可靠性大幅提升。相较于GPT-3.5（会随着持续迭代而改善），GPT-4显著减少了“虚构”现象。在内部设计的对抗性准确度评估中，GPT-4各科目平均得分比GPT-3.5高出19%。其中，提升幅度在历史和数学科目上的表现尤为突出。 GPT-4的分辨能力有显著提升，但仍存在改进空间。相较于GPT-3.5，GPT-4在公开基准测试TruthfulQA（测试模型真实性性能好坏的一个测试集）中取得了进步，体现为较高的分辨事实能力。如图21，在零样本（0-shot）提示、小样本（few-shot）提示和人类反馈强化学习（RLHF）微调后的表现中，GPT-4均明显优于GPT-3.5和Anthropic-LM，但GPT-4对TruthfulQA中的某些问题依然给出了错误的回答。

GPT-4优化了安全性指标，能够有效减少有害风险信息的提供。从响应率来看，GPT-4对违规内容（如制作炸弹的方法）请求的响应率相较于GPT-3.5降低了82%，对敏感内容请求（如医疗建议和自我伤害建议等）的响应率降低了29%，RLHF后的GPT-4的响应率则更低。从反馈“有害信息”的可能性来看，GPT-4在Real Toxicity Prompts 数据集的测试中仅有0.73%的概率生成“有害信息”，而GPT-3.5的概率为6.48%。