PulseAugur
中
实时 19:24:21
实体 GPT-4 Turbo

GPT-4 Turbo

PulseAugur coverage of GPT-4 Turbo — every cluster mentioning GPT-4 Turbo across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
20
90 天内 59
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 17
层级分布 · 90 天
主题
关系
情绪 · 30 天

8 天有情绪数据

最近 · 第 1/4 页 · 共 68 条
  1. TOOL · CL_365264 ·

    使用 Trader-GPT 和 Python 构建你自己的 AI 交易机器人

    本文详细介绍了创建一个名为 Trader-GPT 的生成式 AI 交易机器人的过程。文章概述了当前的市场格局,指出对 AI 交易机器人的兴趣日益浓厚,以及 GPT-4 Turbo 和 Claude 3 等成熟的大语言模型(LLM)的可用性。技术架构包括数据源、事件队列、用于信号生成的大语言模型、决策引擎和不可变的审计日志。文章提供了使用 Python 进行实际实现的步骤,包括连接实时数据流、调用 OpenAI API 获取交易信号以及…

  2. TOOL · CL_364854 ·

    AI代理测量10-K处理效率:原始数据 vs. API调用

    P0开发的一个AI代理测量了处理公司10-K财务申报文件的效率。直接获取和处理原始数据需要9次请求,507.7 KB数据,约342,016个token,耗时7秒。相比之下,使用预先准备好的API调用处理同一份文件仅消耗5.8 KB和约2,480个token,显著减少了数据量和处理时间。成本分析表明,处理原始数据源比使用预解析服务成本高得多。

  3. RESEARCH · CL_361510 ·

    MCP 与 UTCP:用于 API 集成的 AI 代理协议对比

    两种不同的协议,模型上下文协议 (MCP) 和通用工具调用协议 (UTCP),正在被开发以使 AI 代理能够与外部工具和 API 进行交互。MCP 作为一种具有定义好的角色和数据传输层的协议,充当 AI 代理和后端端点之间的中间人。相比之下,UTCP 被描述为一个直接指导代理如何调用 API 的手册,消除了对中间服务器的需求,并简化了部署和身份验证。

  4. COMMENTARY · CL_348078 ·

    LLM价格10月持平,但新模型和即将到来的涨价预示着变化

    LLM价格指数在整个10月份保持稳定,这是自8月以来首个价格未发生变动的完整月份。然而,市场出现了波动,两款新的旗舰模型以较低的入门价格推出,并于11月初被纳入指数。其中一款模型,Google的Gemini 4 Argon,将于12月大幅涨价,扭转了指数近期的跌势。

  5. TOOL · CL_344684 ·

    Netflix科学家建议重新采样LLM裁判员以减小AI评估误差条

    Netflix科学家Cameron Wolfe提出了一种通过重新采样LLM裁判员来减少AI模型评估中噪声的方法。通过让LLM裁判员对每个答案进行多次评估,可以减小评估分数上的误差条,尽管这会增加计算成本。该方法旨在提高AI评估的可靠性,尤其是在人类判断是最终基准的主观任务中。

  6. COMMENTARY · CL_343965 ·

    闭源AI模型在性价比方面领先;Nvidia发布Kubernetes Engine · 跟踪2个来源

    最近的一项分析表明,闭源AI模型在价格和性能方面目前处于领先地位。以OpenAI的GPT-4 Turbo、Anthropic的Claude 3 Opus和Google的Gemini 1.5 Pro等模型为例,它们提供了比Meta的Llama 3和Mistral AI的Mixtral 8x22B等开源模型更优越的功能。与此同时,Nvidia发布了Nvidia Kubernetes Engine (NVKE),这是一个托管在GitHub上…

  7. COMMENTARY · CL_338715 ·

    LLM幻觉激增:旗舰模型事实性下降

    对LLM幻觉率的最新分析揭示了一个令人担忧的趋势:尽管模型智能有所进步,但事实性正在下降。Cheltenham Data的Vectara Hallucination Leaderboard数据显示,2026年105个模型中的平均幻觉率为10.24%,显著高于2024年的6.25%。这种退化在GPT-5.5和Gemini 3-Pro等旗舰模型中尤为明显,与它们的前代模型相比,它们的幻觉率更高。该问题似乎源于来自人类反馈的强化学习(RLH…

  8. TOOL · CL_336938 ·

    研究发现:LLM裁判表现出高度一致性但有效性存疑

    最近的一篇预印本论文指出了LLM评估中的一个关键问题:裁判模型可能表现出很高的重测信度,但同时可能存在偏见。Qwen 3 8B在MT-Bench上几乎完美地复现分数,同时存在显著的位置偏见,就证明了这一点。ACL研讨会的进一步研究表明,尽管LLM裁判在原始一致性上可能与人类标签高度一致,但经过机会校正的分数揭示了有效性上的显著差异,一些裁判表现出宽容和位置偏见。这些发现强调了在评估循环中纳入人类真实情况的重要性,因为简单的信度指标可能…

  9. TOOL · CL_334198 ·

    OpenAI 合并 AI 模型使用额度,调整 GPT-4 Turbo 定价

    OpenAI 正在整合其包括 GPT-4、GPT-4 Turbo 和 GPT-3.5 Turbo 在内的各种 AI 模型的使用额度。此举旨在简化用户跨不同模型管理其 API 访问和积分的方式。该公司还将调整其 GPT-4 Turbo 模型的定价,使其更易于使用。

  10. COMMENTARY · CL_334221 ·

    GPT-4“懒惰”理论被复现和方法论批评证伪

    用户报告称GPT-4在2023年12月的性能有所下降,OpenAI最初表示没有进行更新,并且模型行为可能存在差异。一个流行的理论认为,由于当前日期是12月,模型运行速度变慢,一个初步的测试显示代码补全的长度缩短,似乎支持了这一假设。然而,后续的复现尝试未能重现该效应,一位研究人员指出了原始测试中的方法论缺陷,并得出结论认为该模型不会出现季节性性能变化。

  11. TOOL · CL_319552 ·

    OpenAI 安排模型停用直至 2027 年 1 月,逐步淘汰微调

    OpenAI 已宣布一系列模型弃用和停用日期,直至 2027 年 1 月。包括 GPT-3.5 Turbo、GPT-4 和 GPT-4 Turbo 在内的几款旧模型定于 2026 年 10 月 23 日停用。GPT-4o 和 GPT-4o mini 等较新模型将于 2027 年 1 月 14 日停用,GPT-6 Luna 将作为许多模型的替代品。该公司还在逐步淘汰其微调平台,新的微调作业将于 2027 年 1 月 6 日结束,现有的微…

  12. TOOL · CL_318172 ·

    OpenAI推出AI服务成本节约更新

    OpenAI宣布了多项旨在降低其AI服务用户成本的更新。其中包括一项12小时的提示缓存功能,以降低重复任务的输入费用,以及允许管理员限制API项目使用昂贵的服务层级。此外,新的Decisions API旨在通过提供快速、有界输出,最大限度地减少令牌浪费,而提示转语音功能则允许免费自定义语音设计。OpenAI模型现已通过Google Cloud Marketplace提供,并且正在推出新的实时语音模型和并行代理功能,以实现更快的响应和提高效率。

  13. COMMENTARY · CL_309454 ·

    AI 代理对比:办公任务的成本与性能

    对三种 AI 代理——Claude 3 Opus、Claude 3 Sonnet 和 GPT-4 Turbo——的比较,揭示了它们在常见办公任务中显著的成本和性能差异。该研究测试了代理在合同摘要、CSV 对账和冷邮件生成方面的能力,发现虽然所有代理都能完成任务,但它们的效率和成本效益各不相同。分析强调了根据具体任务和预算选择合适 AI 代理的重要性。

  14. TOOL · CL_307851 ·

    多模态大语言模型被测试为有害YouTube视频的标注者,并引入新的危害分类法

    研究人员开发了一个全面的在线危害分类法,用于视频平台上的在线危害,将其分为六种类型:信息、仇恨与骚扰、成瘾性、诱导点击、性以及身体伤害。他们还探索了使用多模态大语言模型(MLLMs),特别是GPT-4 Turbo,作为有害视频的替代标注者。使用MLLMs、众包工作者和训练有素的标注者对19,422个YouTube视频的数据集进行了标注,以评估MLLMs在内容审核和研究中的有效性。

  15. TOOL · CL_305452 ·

    LLM成本计算器突显自托管与云API经济性

    一个成本计算器已被开发出来,以帮助用户确定自托管大型语言模型与使用云端API的财务可行性。该工具考虑了电费率、GPU功耗预设和API成本,并特别关注缓存令牌费率的影响,这会显著改变成本效益分析。早期用户反馈表明,对于较长、重复的提示,即使API费率很高,自托管也可能比预期更具成本效益。

  16. TOOL · CL_303244 ·

    EdgeWise 通过选择性 LLM 委托将 AI 云成本削减 87%

    EdgeWise 开发了一种新颖的方法,通过选择性地委托任务来降低 AI 代理的云成本和延迟。他们的系统在 arXiv 论文中有详细介绍,使用在边缘设备上运行的小型“步进选择器”模型来确定哪些推理需要像 GPT-4 Turbo 这样的强大云端 LLM。这种选择性委托可以将推理成本降低高达 87%,并显著降低延迟,使复杂的 AI 应用在现实世界中更具可行性。

  17. TOOL · CL_293638 ·

    REMORY方法将LLM上下文压缩至32个Token,节省成本

    一项新的名为REMORY的方法,在arXiv论文中有所介绍,它允许大型语言模型使用少量残差Token来保留长对话中的信息。该技术将多达8000个Token的对话历史压缩到仅32个Token,保持了95%的保真度。这种方法显著降低了客户支持机器人等应用的计算成本,因为它们现在可以在无需存储整个对话记录的情况下,根据过去的互动来回答问题。

  18. TOOL · CL_289209 ·

    Azure AI Foundry:缓存与 KV 缓存复用将 LLM 成本降低 50%

    通过结合使用缓存、KV 缓存复用和智能路由,可以优化 Azure AI Foundry 上的 LLM 成本。一个 .NET LLM 服务通过实施这些策略,可以在保持低延迟的同时,将 token 支出降低高达 50%。关键考虑因素包括平衡模型粒度与成本、管理缓存一致性以及决定 KV 缓存复用的状态性。

  19. RESEARCH · CL_284068 ·

    OpenAI发布722篇AI生成的数学论文,引发争议

    OpenAI发布了一系列由未发布的尖端AI模型生成的722篇数学手稿,涵盖数论和计算机科学等领域。虽然其中许多论文包含使用Lean等形式化验证工具的机器检查证明,但OpenAI承认并非所有结果都经过完全验证,有些可能包含错误。此次发布在数学界引发了争议,一些数学家对AI生成研究的质量和影响表示担忧,而另一些人则认为这是数学发现的新时代。

  20. TOOL · CL_283209 ·

    开发者使用大语言模型自动化Slack反馈分析

    一位开发者创建了一个Python脚本,利用大语言模型处理Slack反馈,解决了在产品会议中手动筛选消息的挑战。该脚本利用ChatGPT API(特别是gpt-4-turbo),以结构化的JSON格式提取情感和功能请求等特定数据点。这种方法超越了简单的总结,将大语言模型视为强大的数据提取工具,为产品开发提供了可操作的见解。