会员服务
GPT-4o（“o”代表“omni”）朝着更自然的人机交互迈出了一步——它可以接受任何组合的文本、音频和图像作为输入，并生成任何组合的文本、音频和图像输出。它对音频输入的响应时间最短可达232毫秒，平均为320毫秒，这与人类在对话中的响应时间相似。在英语文本和代码处理上，它的性能与GPT-4 Turbo相当，但在非英语文本处理方面有显著改进，同时在API中速度更快且成本降低50%。与现有模型相比，GPT-4o在视觉和音频理解方面尤其出色。
Enhancing LLMs in Long Code Translation through Instrumentation and Program State Alignment
Arxiv
0+阅读 · 4月2日
GPT-ImgEval: A Comprehensive Benchmark for Diagnosing GPT4o in Image Generation
Arxiv
0+阅读 · 4月3日
No, of course I can! Refusal Mechanisms Can Be Exploited Using Harmless Fine-Tuning Data
Arxiv
0+阅读 · 4月1日
Text Chunking for Document Classification for Urban System Management using Large Language Models
Arxiv
0+阅读 · 3月31日
LLM-Assisted Proactive Threat Intelligence for Automated Reasoning
Arxiv
0+阅读 · 4月1日
An evaluation of LLMs and Google Translate for translation of selected Indian languages via sentiment and semantic analyses
An evaluation of LLMs and Google Translate for translation of selected Indian languages via sentiment and semantic analyses
Arxiv
0+阅读 · 4月2日
Can Zero-Shot Commercial APIs Deliver Regulatory-Grade Clinical Text DeIdentification?
Arxiv
0+阅读 · 3月31日
Large Language Models Pass the Turing Test
Arxiv
0+阅读 · 3月31日
Can Zero-Shot Commercial APIs Deliver Regulatory-Grade Clinical Text DeIdentification?
Arxiv
0+阅读 · 3月21日
Can Large Language Models Predict Associations Among Human Attitudes?
Arxiv
0+阅读 · 3月26日
An evaluation of LLMs and Google Translate for translation of selected Indian languages via sentiment and semantic analyses
Arxiv
0+阅读 · 3月27日
PokéChamp: an Expert-level Minimax Language Agent
Arxiv
0+阅读 · 3月6日
No, of course I can! Refusal Mechanisms Can Be Exploited Using Harmless Fine-Tuning Data
Arxiv
0+阅读 · 3月19日
Network Traffic Classification Using Machine Learning, Transformer, and Large Language Models
Arxiv
0+阅读 · 3月4日
Benchmarking Reasoning Robustness in Large Language Models
Arxiv
0+阅读 · 3月6日
参考链接
https://openai.com/index/hello-gpt-4o/
父主题
GPT-4
微信扫码咨询专知VIP会员
Top