介绍了GPT-4，一种能够处理图像和文本输入并产生文本输出的大型多模态模型。这些模型是一个重要的研究领域，因为它们有潜力被用于广泛的应用中，如对话系统、文本摘要和机器翻译。因此，它们一直是近年来[1–28]的重大兴趣和进展的主题。开发这种模型的主要目标之一是提高它们理解和生成自然语言文本的能力，特别是在更复杂和更微妙的场景中。为了在这种情况下测试它的能力，GPT-4在最初为人类设计的各种测试中进行了评估。在这些评估中，它的表现表现得相当好，而且得分往往超过了绝大多数的人类考生。例如，在一个模拟的酒吧考试中，GPT-4的成绩排名前10%。这与GPT-3.5形成了鲜明对比，后者排名倒数10%。在一套传统的NLP基准测试中，GPT-4的性能优于以前的大型语言模型和大多数最先进的系统（它们通常有特定于基准测试的培训或手工工程）。在MMLU基准测试[29,30]上，一套涵盖57个科目的英语多项选择题，GPT-4不仅在英语方面远远超过了现有的模型，而且在其他语言中也表现出了强大的性能。在MMLU的翻译变体上，GPT-4在26种语言中的24种中超过了最先进的英语语言。我们将在后面的章节中更详细地讨论