各家大模型纷纷卷起上下文窗口，Llama-1时标配还是2k，现在不超过100k的已经不好意思出门了。然鹅一项极限测试却发现，大部分人用法都不对，没发挥出AI应有的实力。
EMNLP顶会落下帷幕，各种奖项悉数颁出。最佳长论文奖被北大微信AI团队收入囊中，由北大孙栩老师和微信周杰、孟凡东合作指导。
RAG或许就是大模型能力飙升下一个未来。RAG+GPT-4，4%的成本，便可拥有卓越的性能。
我们都知道，大语言模型（LLM）能够以一种无需模型微调的方式从少量示例中学习，这种方式被称为「上下文学习」（In-context Learning）。这种上下文学习现象目前只能在大模型上观察到。比如 GPT-4、Llama 等大模型在非常多的领域中都表现出了杰出的性能，但还是有很多场景受限于资源或者实时性要求较高，无法使用大模型。
LeCun引战，LLM根本不会推理！大模型「涌现」，终究离不开上下文学习
月初刚测了GPT-4 Turbo上下文真实实力的大神Greg Kamradt又盯上了Anthropic刚更新的Claude 2.1。他自己花了1016刀测完之后显示，Claude 2.1在上下文长度达到90K后，性能就会出现明显下降。
OpenAI开发者大会后不久，它的最强竞对Claude也宣布推出了重磅更新。更新后的Claude 2.1，上下文长度直接翻番到20万，重新超过了GPT-4。
OpenAI DevDay发布会上，OpenAI推出了GPT-4 Turbo，该模型在上下文长度、控制方法、模型知识内容更新等方面进行了全面升级。此外，OpenAI还发布了GPTs和Assistants API，构建了大模型生态和AI应用开发平台。
OpenAI的CEO Altman在分享了GPT-4的数十项新增功能和改进，并降低了平台许多服务的定价： 新的GPT-4 Turbo模型，功能更强大、更便宜并支持128K上下文窗口。 最为关键的是，发布了GPTs功能，能让每个用户自己制作自己「定制化的ChatGPT」，还能通过即将发布的「GPT Store」来让自己定制的GPT为自己挣钱！
美国人工智能公司 OpenAI 的开发者大会正式开启，创始人 Sam Altman 在台上和同事，只用 45 分钟时间，就「轰」出了团队最新的成果 GPT-4 Turbo，后者不仅更快、有更长的上下文、而且更好的控制。
