当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > GPT-4不能在麻省理工学院获得计算机科学学位

GPT-4不能在麻省理工学院获得计算机科学学位

来源:51CTO.COM 2023-07-28 13:35:57 0浏览 收藏

IT行业相对于一般传统行业,发展更新速度更快,一旦停止了学习,很快就会被行业所淘汰。所以我们需要踏踏实实的不断学习,精进自己的技术,尤其是初学者。今天golang学习网给大家整理了《GPT-4不能在麻省理工学院获得计算机科学学位》,聊聊,我们一起来看看吧!

GPT-4不能在麻省理工学院获得计算机科学学位

一位研究人员因在未经导师同意的情况下收集课程材料来训练一个聊天机器人而受到批评,他声称这个机器人可以解决麻省理工学院计算机科学学位的作业和考试问题。

这篇备受争议的论文描述了在一个由这所精英大学设定的不同课程中获得的4500个问题数据集上对GPT-4进行训练和测试。

论文的摘要声称:“我们评估了大型语言模型在数学和电气工程与计算机科学等麻省理工学院设置的学科专业的毕业要求上的能力。我们的研究结果表明,GPT-3.5成功学习了麻省理工学院三分之一的课程并达到毕业要求,而GPT-4在排除由于图像导致的一些问题后,通过适当的提示工程完美地实现了所有课程达到毕业要求。”

这篇论文因备受争议的研究方法在随后受到批评,例如,在测试之前,GPT-4已经可以访问课程学习过程中所有问题的答案,并且对答案进行了评分。而在论文上列为共同作者的Armando Solar-Lezama教授,以及第一作者Iddo Drori可能并未事先获得收集这些数据集的许可。

一些在校老师向The Register表示,他们没有与Drori分享他们的课程资料。与此同时,Solar-Lezema告诉我们,他只写了这篇论文的引言,并不知道Drori正在使用这些数据集来训练GPT-4,甚至声称GPT-4已经可以从麻省理工学院获得计算机科学学位。

该论文已经从arXiv撤回,而Drori今天不在麻省理工学院。

美国联邦贸易委员会(FTC)表示,生成式人工智能引发了反垄断担忧。该委员会正在密切关注生成式人工智能的炒作,以确保在这项技术日益渗透社会的过程中,主导者不会扼杀竞争。

美国联邦贸易委员警告称,随着市场不断成熟,企业可能会试图找到控制开发模型所需资源(如数据、硬件和人才)的方法。 他们正在密切关注可能试图通过以更低的价格提供自己的人工智能服务或将客户锁定在自己平台上来打击竞争对手的云服务提供商。与此同时,大型科技公司可能通过收购初创企业来巩固自己的权力,以利用新技术和专业知识。

联邦贸易委员会指出,尽管开源运动可以通过使开发者更容易构建自己的系统来抵消一些这些担忧,但如果软件在没有安全保障措施的情况下普遍提供,该技术仍可能被滥用。

本篇关于《GPT-4不能在麻省理工学院获得计算机科学学位》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
追踪卡片 AirCard 在众筹平台成功募资,支持苹果 Find My 功能追踪卡片 AirCard 在众筹平台成功募资,支持苹果 Find My 功能
上一篇
追踪卡片 AirCard 在众筹平台成功募资,支持苹果 Find My 功能
windows7系统怎么恢复出厂设置方式介绍
下一篇
windows7系统怎么恢复出厂设置方式介绍
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    286次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    339次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    337次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    303次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    124次使用