关注“FightingCV”公众号
回复“AI”即可获得超100G人工智能的教程
「ChatGPT的愿景是,成为一个超级智能的工作助理」。
Sam Altman在今年上半年的采访中,曾谈到了对「杀手级应用」ChatGPT的定位。

据爆料,OpenAI正在开发让ChatGPT更具「个性化」的新功能。
11月中旬时,名为Jush的推特用户曾透露,在自己的ChatGPT菜单中发现了三项新功能选项。
- 更连贯的对话:通过在不同对话中的学习,GPT能够提供更加相关的回复。
- 不断改进:GPT将变得更加实用,能够记住用户的详细信息和偏好设置。
- 自定义记忆:GPT模型的记忆内容可以通过信息轻松定制。比如,OpenAI提到「始终用Python编写」或「忘记我上个项目的所有信息」等消息提示,可以影响ChatGPT对用户的记忆。此外,记忆功能也可以在设置中关闭。

此外,负责ChatGPT项目AIPRM的网页开发者Tibor Blaho,近期在源代码中发现了更多的证据。

这些功能在HTM代码中以「Sunshine」代号初现,因此Blaho将新功能取名为「Project Sunshine」(阳光计划)。

除此之外,OpenAI还会推出「临时聊天」功能,工作方式与之前的方式聊天,也就是说,信息仅在当前的聊天窗口中使用。
ChatGPT用户可以在模型选择界面中找到「临时聊天」的选项。

「临时聊天」这一功能,对于一些账号需要被多个团队共享,同时这些团队从事不同工作时,非常实用。
此外,「临时聊天」不会被保存在聊天历史中,因此这些数据也不会用于模型的训练。
对OpenAI而言,这种新的聊天机器人定制方式,也为公司创造了销售更多账户的新机遇。不过这个新功能推出时间还未确定。
另据Blaho透露,OpenAI还在对「GPT商店」进行升级,新增搜索功能,以及一个展示最优秀的GPT定制应用的平台。
原本,今年11月,OpenAI计划推出GPT应用市场。
但受到Sam Altman被解雇及之后重新任命的一系列动荡事件的影响,推迟到了2024年。

将ChatGPT的对话记忆进行长期存储的构想,其实早就有了。
2023年春天,一位开发者基于API打造了一款记忆工具MemoryGPT,可以跨聊天进行记忆。

这个功能恰好契合OpenAI的宏伟蓝图,即打造一个个性化和可自定义的ChatGPT,最终成为每个人的「私人助理」。
AIPRM和LinkResearchTools的首席工程师在个人的领英页面中,具体介绍了ChatGPT正在开发的新功能。

ChatGPT的「Project Sunshine」是具备记忆能力,以及全新GPT商店界面的ChatGPT。
「Project Sunshine」最初在8月被认为是,一个具备特别功能的ChatGPT版本。实际中,它赋予了ChatGPT记忆功能。
当前版本的ChatGPT在设置中新增了一个「个性化」选项:
随着你的聊天,GPT将持续进步,学习你的细节和喜好,从而更好地个性化回应你。 若要更改GPT对你的了解,或者向它学习新事物,直接告诉它就可以:
这个功能允许你开启或关闭,并提供了「重置记忆」的选项。

在主页设置中,个性化的当前状态设置为「记忆关闭」,这意味着ChatGPT不会记住你在本次对话中的任何内容。
另外,新的带记忆功能的ChatGPT通过一个弹出窗口进行了介绍:
你的GPT能够将其在聊天中学到的知识应用到后续对话中,从而提供更加贴切的回答。 随着你不断与GPT聊天,它将逐渐变得更加贴心,记住你的细节和喜好。 在设计之初,GPT就能按照你的聊天指令进行操作。你可以在设置中重置GPT的记忆或关闭此功能。

前面提及的「临时聊天」功能现已在模型选择界面中显示(但似乎有些小故障),它会像设置中的「聊天历史与训练」开关选项一样,改变输入提示文本的样式。
「临时聊天」功能还配有一个专门的通知弹窗,用以说明其功能:
临时聊天
不保留历史
临时聊天不会保留在您的聊天历史中,且GPT不会记忆你所进行的任何对话内容。但出于安全考虑,我们可能会保留对话内容最多30天。
全新的开始
GPT将不会记得之前的任何对话内容。不过,如果你已经启用了自定义设置,它依然会按照这些设置进行对话。
不用于训练
临时聊天的内容不会用于优化OpenAI的模型。
此外,随着 GPT 商店即将推出,它也进行了一次更新。更新内容包括一个显著的标题栏、搜索框,以及「我的GPT 集合」、「最近使用」、「OpenAI定制的GPT」列表,未来可能还会加入「精选&热门GPT」列表。
https://the-decoder.com/project-sunshine-takes-chatgpt-personalization-to-the-next-level/
往期回顾
基础知识
【CV知识点汇总与解析】|损失函数篇
【CV知识点汇总与解析】|激活函数篇
【CV知识点汇总与解析】| optimizer和学习率篇
【CV知识点汇总与解析】| 正则化篇
【CV知识点汇总与解析】| 参数初始化篇
【CV知识点汇总与解析】| 卷积和池化篇 (超多图警告)
【CV知识点汇总与解析】| 技术发展篇 (超详细!!!)
最新论文解析
NeurIPS2022 Spotlight | TANGO:一种基于光照分解实现逼真稳健的文本驱动3D风格化
ECCV2022 Oral | 微软提出UNICORN,统一文本生成与边框预测任务
NeurIPS 2022 | VideoMAE:南大&腾讯联合提出第一个视频版MAE框架,遮盖率达到90%
NeurIPS 2022 | 清华大学提出OrdinalCLIP,基于序数提示学习的语言引导有序回归
SlowFast Network:用于计算机视觉视频理解的双模CNN
WACV2022 | 一张图片只值五句话吗?UAB提出图像-文本匹配语义的新视角!
CVPR2022 | Attention机制是为了找最相关的item?中科大团队反其道而行之!
ECCV2022 Oral | SeqTR:一个简单而通用的 Visual Grounding网络
如何训练用于图像检索的Vision Transformer?Facebook研究员解决了这个问题!
ICLR22 Workshop | 用两个模型解决一个任务,意大利学者提出维基百科上的高效检索模型
See Finer, See More!腾讯&上交提出IVT,越看越精细,进行精细全面的跨模态对比!
MM2022|兼具低级和高级表征,百度提出利用显式高级语义增强视频文本检索
MM2022 | 用StyleGAN进行数据增强,真的太好用了
MM2022 | 在特征空间中的多模态数据增强方法
ECCV2022|港中文MM Lab证明Frozen的CLIP 模型是高效视频学习者
ECCV2022|只能11%的参数就能优于Swin,微软提出快速预训练蒸馏方法TinyViT
CVPR2022|比VinVL快一万倍!人大提出交互协同的双流视觉语言预训练模型COTS,又快又好!
CVPR2022 Oral|通过多尺度token聚合分流自注意力,代码已开源
CVPR Oral | 谷歌&斯坦福(李飞飞组)提出TIRG,用组合的文本和图像来进行图像检索