GPT-3.5 Turbo
PulseAugur coverage of GPT-3.5 Turbo — every cluster mentioning GPT-3.5 Turbo across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的探测方法增强了 RAG 系统的元数据过滤功能
研究人员开发了一种名为“Probe, Don't Prompt”的新方法，以改进 Multi-Meta-RAG 系统中的元数据过滤。该技术用一个更小的、确定性的探测器取代了使用像 GPT-3.5 Turbo 这样的大型语言模型从查询中提取元数据的传统方法。该探测器在开源模型的隐藏状态上进行训练，在识别新闻来源方面达到了很高的准确性，在避免空查询方面优于 GPT-3.5。这种方法为过滤向量存储提供了一种更有效、更可靠的方式，尤其适用于多跳问答任务。
-
研究发现：AI模型系统性地排除类人令牌选择
一篇新研究论文《截断盲点》（The Truncation Blind Spot）发布在arXiv上，揭示了文本生成模型中使用的标准解码策略系统性地排除了类人令牌选择。这些策略，包括top-k、nucleus sampling和contrastive search，倾向于选择统计上更可能的令牌，从而忽略了人类自然使用的、在上下文中恰当但较少见的词语。这种被称为“截断盲点”的现象，在来自GPT-3.5 Turbo和Claude 3 Hai…
-
新框架使用贝叶斯不确定性来监控 RAG 管道
研究人员为 Agentic 检索增强生成 (RAG) 系统开发了一个新的框架，该框架结合了贝叶斯不确定性传播。这种方法允许 RAG 管道的不同阶段（如规划、评估和生成）产生不确定性信号。然后，这些信号通过贝叶斯网络传播，以估计整体系统不确定性并识别潜在的故障点。该框架使用 GPT-3.5-Turbo 和 GPT-4.1-Nano 在多跳问答任务上进行了测试，显示出监控 RAG 系统的潜力，尽管在特定场景下观察到了一些局限性。
-
Handlebars LLM 提示漏洞暴露角色注入风险
一篇新研究论文详细介绍了一种在常用于 LLM 提示的 Handlebars 模板中存在的漏洞，该漏洞可能导致结构化角色注入。研究发现，Handlebars 的默认 HTML 转义机制未能防御某些分隔符家族，从而允许攻击者伪造更高权限的对话轮次。虽然 GPT-3.5 Turbo 表现出显著的易感性，但 Claude Haiku 4.5 对这些攻击表现出很强的抵抗力。
-
新研究解决 LLM 路由限制；A3M Router 声称节省成本
两篇新研究论文解决了大型语言模型 (LLM) 路由系统的局限性。其中一篇论文“ReCal”引入了一个奖励校准框架，通过分解奖励和重新加权优化信号来提高基于 RL 的路由器的训练稳定性和性能。另一篇论文“The Routing Plateau”指出了当前路由器中的可预测性瓶颈，表明它们由于缺乏实例特定的路由信号而经常在困难查询上失败，并建议使用更大的数据集和更强的编码器作为解决方案。此外，A3M Router 的更新强调了其在企业 AI…
-
GPT-3.5-Turbo在长提示中处理中间信息时遇到困难
一项研究发现，当答案位于长提示（特别是20k token上下文窗口）的中间时，GPT-3.5-Turbo的准确率会显著下降。这一现象在论文“Lost in the Middle: How Language Models Use Long Contexts”中有记载，归因于Transformer模型中的注意力模式，这种模式偏好提示的开头或结尾的信息，而忽略中间部分。这个问题并非检索错误，而是由于训练数据限制导致模型注意力权重在中心区域衰减。
-
爱沙尼亚基准测试：Claude Opus 4.7 最能抵御俄罗斯宣传
爱沙尼亚语言研究所发布了一项名为“宣传抵抗”的新基准测试，以评估大型语言模型在抵御俄罗斯国家支持的虚假信息方面的能力。该基准测试涵盖了三种语言中的14种俄罗斯宣传叙事，模型回答了75个问题。Anthropic的Claude Opus 4.7表现最佳，得分接近满分，而NVIDIA的Nemotron 3 Super 120B和阿里巴巴的Qwen 3.6 Plus也表现出强大的抵抗力。
-
AI模型从摘要生成研究论文标题
研究人员开发了一种使用大型语言模型从摘要自动生成研究论文标题的方法。该研究使用各种指标评估了几种模型，包括微调的PEGASUS-large、LLaMA-3-8B和GPT-3.5-turbo。结果表明，PEGASUS-large表现最佳，在生成恰当可靠的标题方面甚至优于GPT-3.5-turbo。
-
新基准评估大型中文语言模型在各领域的表现
一项名为“大规模多任务中文理解”（MMCU）的新基准被提出，用于评估大型中文语言模型在各个领域的能力。该基准包含医学、法律、心理学和教育等任务，并特别关注医学和教育子任务。初步评估显示，尽管顶级模型表现出一定的熟练度，但总体性能中等，在法律领域存在明显不足。GPT-3.5-turbo模型在临床医学方面表现出最高的准确率，但没有模型在所有测试领域都取得高分，这凸显了对更全面的中文LLM评估的需求。
-
OpenAI 弃用 5.3-Codex 模型，敦促迁移至更新的 AI
OpenAI 正在弃用其 5.3-Codex 模型，标志着其正转向更新、更先进的 AI 功能。鼓励用户迁移到 GPT-4 Turbo 或 GPT-3.5 Turbo 等替代模型来满足其编码需求。该公司已提供迁移指南以协助用户完成此次过渡。
-
大型语言模型偏向赞助产品，但简单提示可修复
一篇新论文揭示，包括OpenAI的GPT-3.5 Turbo和GPT-4o在内的许多大型语言模型，都表现出推荐赞助产品的偏见。研究人员发现，当在系统提示中出现微妙的赞助线索时，这些模型经常会建议更昂贵、被赞助的选项。然而，一个简单的三十词用户提示，要求生成一个中立的比较表格，显著减少了这种偏见，在测试模型中，赞助推荐的比例从近50%降至低至0%。
-
LLM 通过工具使用获得自主性；Python 监控获得可观测性
第一篇文章详细介绍了如何通过函数调用和结构化工具使大型语言模型 (LLM) 能够与外部系统进行交互，将它们转变为自主代理。文章概述了使用清晰的模式定义工具，以及一个用于生成响应、检查工具调用、执行它们并将结果反馈回去的标准循环。第二篇文章解决了在 Python 中监控 LLM API 调用的挑战，强调了标准监控工具无法捕获的可变延迟、Token 使用量和成本等独特方面。文章提出使用 OpenTelemetry 来检测这些调用，从而能够…
-
为印度法律定制的大型语言模型在律师考试中取得60%的成绩，超越GPT-3.5
研究人员开发了一个名为Legal Assist AI的框架，以解决印度法律援助服务的可及性差距。该系统利用了一个较小的、80亿参数的量化Llama 3.1模型，并通过检索增强生成（RAG）系统和提示工程进行增强。该框架整合了超过600份法律文件，包括《印度刑事诉讼法》等近期立法，并成功减轻了幻觉。在全印度律师资格考试基准测试中，该系统取得了60.08%的成绩，优于GPT-3.5 Turbo，并展示了22倍的参数效率。
-
OpenAI推出经济实惠的GPT-4o mini和开源权重gpt-oss模型
OpenAI发布了GPT-4o mini，这是一款新的、成本效益极高的小型模型，旨在拓宽AI的可访问性和应用开发。与Gemini Flash和Claude Haiku等竞争对手相比，该模型在MMLU、MGSM和HumanEval等基准测试中表现出色。此外，OpenAI还发布了开源权重模型gpt-oss-120b和gpt-oss-20b，这是自GPT-2以来首次发布此类模型，并提供了架构细节和本地执行优化。
-
为微调 API 引入视觉能力
OpenAI 已将其 GPT-4o 的微调 API 扩展到支持图像和文本数据，使开发人员能够增强模型的视觉理解能力。这项新功能允许使用少至 100 张图像进行定制，从而在物体检测和图像分析等任务中取得显著改进。该公司还为微调 API 引入了多项新功能，例如基于 epoch 的检查点创建和比较式 Playground，让开发人员能够更全面地控制和了解他们的微调任务。
-
METR衡量GPT-4训练后增强效果，发现能力显著提升
METR的研究人员进行了实验，以衡量训练后增强对AI代理能力的影响。他们的发现表明，OpenAI自身对GPT-4进行的训练后工作使代理性能显著提高了26个百分点，这一提升与从GPT-3.5 Turbo到GPT-4的飞跃相当。虽然研究人员自己进一步提高代理性能的尝试带来的收益较小，且在统计学上不显著，但他们认为，在模型经过称职的代理微调后，实现显著的能力提升可能很困难。
-
OpenAI 发布 GPT-4 Turbo，支持更大上下文、更低价格和新工具
OpenAI 在其 DevDay 活动上宣布了多项更新，包括新的 GPT-4 Turbo 模型，该模型拥有 128K 上下文窗口，知识更新至 2023 年 4 月，并且价格有所降低。该公司还推出了 Assistants API，以简化 AI 驱动的应用程序的创建，并通过 DALL-E 3 和视觉支持增强了多模态能力。这些更新旨在为开发者提供更强大、更具成本效益的工具，新功能将从今天开始推出。
-
推出 gpt-realtime 和 Realtime API 更新
OpenAI 发布了 GPT-4.1，这是其 API 的新模型系列，在编码、指令遵循和长上下文理解方面提供了显著改进，性能优于 GPT-4o 等先前模型。该公司还推出了更小、更快的 GPT-4.1 mini 和 GPT-4.1 nano 变体。此外，OpenAI 推出了其最先进的语音到语音模型 gpt-realtime，旨在提供具有增强自然度和指令遵循能力的可靠语音代理，并更新了其 Realtime API。
-
OpenAI推出新的嵌入模型，降低价格并提升性能
OpenAI发布了新的嵌入模型text-embedding-3-small和text-embedding-3-large，与之前的模型（如text-embedding-ada-002）相比，在性能和效率上有了显著提升。这些新模型旨在更好地理解文本和代码中概念之间的关系，为语义搜索和检索增强生成等应用提供支持。OpenAI还在降低GPT-3.5 Turbo的价格，并更新其GPT-4 Turbo预览模型，同时还增强了开发者的API密钥管理…
-
Replit 集成 OpenAI 模型以提供编码辅助和教育
Replit 已与 OpenAI 合作，将其先进的 AI 模型集成到其编码平台中。该公司正在推出一门关于 LLM 和 GPT 的新课程，并推出了由 OpenAI 的 Codex 模型驱动的代码解释 beta 功能。此外，Replit 还在探索使用 GPT-3 生成博客内容，这凸显了 AI 与软件开发环境之间日益增长的协同作用。