Tutorials
揭露OpenAI GPT-4的視覺+文本模型、數據和訓練成本（推測）
OpenAI以拒絕披露GPT-4的架構、參數計數、訓練數據或計算預算而聞名，這使該技術報告成為ML社區的羅夏測試。
Tutorials
OpenAI的GPT-3深度評論：語言模型是少樣本學習者（第3/3部分：結果和其他）
這個三部分GPT-3深度探討的最終部分達到了回報：當您向基準套件投入1750億個參數並完全跳過微調時，實際會發生什麼。
Tutorials
ChatGPT/ChatGPT Plus/InstructGPT：使用人類反饋訓練語言模型來遵循指令
在 ChatGPT 產品背後是 InstructGPT 論文，這篇詳細評測拆解了將原始 GPT-3 轉變為人們真正想要對話的東西的管道。
Tutorials
三分鐘內解釋 ChatGPT/ChatGPT Plus 如何運作
ChatGPT 從外面看起來像魔法，但其配方是有據可查的（如果你知道去哪裡找的話），這個三分鐘的講解器濃縮了核心思想。
![[Olewave's Review] CLIP (3/3): Learning Transferable Visual Models From Natural Language Supervision](/media/video/2023/01/olewaves-review-clip-3-3-learning-transferable-visual-models-from-natural-language/preview.jpg)
Tutorials
[Olewave 評測] CLIP (3/3): 從自然語言監督學習可轉移的視覺模型
這份 CLIP 評測的最後部分著重於結果部分，這正是 OpenAI 的對比式影像-文字模型從一個有趣的想法轉變為整個多模態堆疊基礎層原始構件的地方。
![[Olewave's Review] CLIP (2/3): Learning Transferable Visual Models From Natural Language Supervision](/media/video/2023/01/olewaves-review-clip-2-3-learning-transferable-visual-models-from-natural-language/preview.jpg)
Tutorials
[Olewave 評測] CLIP (2/3): 從自然語言監督學習可轉移的視覺模型
OpenAI 的 CLIP 通過拋棄固定標籤集並改為在從網際網路上抓取的 4 億個(影像、文字)配對上進行訓練，翻轉了計算機視覺的劇本。
![[Olewave's Review] CLIP (1/3): Learning Transferable Visual Models From Natural Language Supervision](/media/video/2022/12/olewaves-review-clip-1-3-learning-transferable-visual-models-from-natural-language/preview.jpg)
Tutorials
[Olewave 評測] CLIP (1/3): 從自然語言監督學習可轉移的視覺模型
在有 BLIP、LLaVA 或任何值得一提的 speech-LLM 之前，有 CLIP，這正是故事開始的地方。