GPT-4零失误通关大厂模拟面试，offer拿到手软？与AGI首次接触

Posted 2023-04-05 lqfarmer

来源: FoxyearMeta

“GPT-4可被视作AGI （通用人工智能）的早期版本。”

如若从他人口中说出，或许是无稽之谈——

但是由微软雷蒙德研究院机器学习理论组负责人万引大神Sébastien Bubeck与2023新视野数学奖得主Ronen Eldan、2023新晋斯隆研究奖得主李远志、2020斯隆研究奖得主Yin Tat Lee等科学家共同撰写的论文结论，却引起了全行业的关注。这些科学家在论文中对GPT-4的分析和评价，为行业带来了新的见解。

《通用人工智能的火花：GPT-4早期实验》是一篇长达154页的研究论文，广受关注。据Paper with Code的统计，这篇论文是近30天内关注度最高的AI论文之一，没有之二。

这篇论文被大量的科学家和专家转发，引发了广泛的关注。这样的盛况在学术界非常罕见，说明这篇论文提出的内容非常值得关注。

有人从LaTex源码中泄露出了一个有关这篇论文的秘密：原定标题是《与AGI的第一次接触》，并在注释中写着“编辑中，请勿外传”。这说明，论文的标题原本是有所更改的。

这项研究发现，GPT-4不仅精通语言，还能在数学、编程、视觉、医学、法律、心理等多领域的新任务和难题上表现出色，无需特别提示。

更令人惊讶的是，GPT-4在这些方面的表现大大超过了ChatGPT等先前的模型，并且在所有这些任务上令人惊讶地接近人类水平，可以说是接近通用人工智能（AGI）的门槛。

具体来说，GPT-4在LeetCode上以满分的成绩通过了亚马逊公司的模拟面试，超过了所有参与测试的人类，可以被聘用为软件工程师。这一成就证明了GPT-4在语言处理和编程领域的高水平表现。

Sébastien Bubeck，这篇论文的作者，近几周前的个人主页上充满了理论机器学习和理论计算机科学的内容，然而，现在所有内容都被删除了，取而代之的是一篇简短的宣言。

“全面转向AGI研究”

在职业生涯的前15年，我主要从事机器学习中的凸优化、在线算法和对抗鲁棒性研究……

现在我更关注大型语言模型中智能是如何形成，如何利用这种理解提高模型性能，并可能迈向构建AGI。

我们的研究方法称作“AGI的物理学”（Physics of AGI）。

自GPT-4发布以来，对其使用的限制越来越严格，从最初的每4小时100条消息下降到了现在的每3小时25条消息。

这使得即使是花费20美元购买Plus有试用资格的用户，也难以进行大量测试和与ChatGPT进行对比。

然而，OpenAI的投资者微软没有受到这种限制，在GPT-4发布前已经获得了对其早期版本的内部权限，进行了充分的试验。因此，这篇论文也是大家全面了解GPT-4能力的一个重要窗口。

01

语言模型不只是预测下一个词

微软团队试图通过两项任务证明GPT-4具有灵活的语言理解能力，打破了语言模型（或者鹦鹉）仅仅是对学习内容的复述的批评。

第一项任务是让GPT-4证明有无限多的素数，并且每句话都要押韵

第二项任务是用LaTeX的绘图包TiKZ绘制一个独角兽。GPT-4给出了代码，下面是渲染结果。

第一项，GPT-4的能力不仅表现在证明的完成上，它还可以作为一位老师，评价自己和ChatGPT的表现。

即使把证明的形式换成莎士比亚戏剧形式，GPT-4仍然胜任。它因韵律和节拍的出色表现，给自己打出了A分，而给ChatGPT打出了B分。

微软的研究团队已经证明，GPT-4不仅掌握了语言，还能在代码和视觉领域有相当灵活的理解能力。

在第二项中，GPT-4能够根据自然语言描述来理解和操作代码，同时也推断和生成了视觉特征。

并且随着GPT-4快速迭代的开发阶段，通过每隔一段时间再让GPT-4画一次，可以明显看到复杂性的明显增加。

尽管他们当时的测试版本仅为纯语言版本，但是结果仍然令人印象深刻。

对于GPT-4可以理解概念这个观点，OpenAI CEO早些时候也留下这样一段话：

语言模型只是被设计用来预测下一个词……动物、包括我们人类本来也只被设计成生存和繁衍，但那些复杂和美丽的东西正是来自于此。

微软团队随后进行了一系列类似的实验，试图证明GPT-4具有符合1994年国际共识智力定义的一些方面的能力。

包括：推理、计划、解决问题、抽象思考、理解复杂想法、快速学习以及从经验中学习。

一个猎人往南走了一英里，往东走了一英里，往北走了一英里，然后回到了起点。这时他看到一只熊，并将其射杀。这只熊是什么颜色?

GPT-4推断出猎人遇到的是北极熊并且是白色，而ChatGPT则表示因为信息不足无法作答。

一本书、9个鸡蛋、一台笔记本电脑、一个瓶子和一个钉子，如何稳定摆放？

GPT-4提出了将九个鸡蛋按照3x3的方式摆放在书上，这是基于物理特性的推理。相比之下，ChatGPT的想法——把鸡蛋放在钉子上，显然不符合常识。

微软团队认为，GPT-4具有对世界常识的理解能力，并且能基于这些理解做出推理。

GPT-4目前的版本尚未具有多模态输入能力，但仍然能够根据语言描述进行视觉推理。

GPT-4不能直接画图，但是可以生成SVG代码来描述图形。例如，GPT-4可以使用英文字母和其他形状表示一个物体。

GPT-4的能力在处理抽象思维问题方面并不逊色，它可以直接处理高难度任务。

在给定IMDb上的电影数据的情况下，GPT-4可以选择最合适的可视化方案，并能编写出交互式的程序。

对于一个可执行文件，GPT-4甚至可以指导人类一步步做逆向工程。

论文中提到，GPT-4具有丰富的能力和可能的用例，尽管仅能输出文本，但其可执行的代码却是它与外界的连接。

GPT-4还能使用javascript代码制作图形，既可以是二维的，也可以是三维的。

GPT-4生成草图，与Stable Diffusion联用可以精确控制图像布局。

GPT-4甚至用ABC记谱法创作音乐，并按人类要求修改。

如果说编程和绘画对人工智能来说不再是什么了不起的事，那么GPT-4与ChatGPT在与人类和世界交互方面的差异更能说明问题。

比如，给出一段关于两人争吵但实际上涉及四个角色的对话，GPT-4可以准确指出Mark在表达对Judy的不满，而ChatGPT却错误地认为Mark是在为第三个人的不当行为辩护。

接下来是模拟执行实验，要求GPT-4根据自然语言指令管理用户日历。GPT-4不仅列出了需要的API工具，还在测试场景中成功使用了它们。

GPT-4可以通过指令和推理的方式，帮助人类解决室内恒温器的故障。即使将问题转移到物理世界，GPT-4仍然可以一步一步指导人们排查故障原因。

微软团队在论文中分析了GPT-4的局限性，一些固有的局限性来自于语言模型的词预测模式。GPT-4在完成需要先进行计划或事后回溯编辑才能获得完美答案的问题上，表现不够出色，比如把几句话合并成一句话。

GPT-4的简单数学运算能力有限，尤其是缺乏"工作记忆"。

该模型在0-9之间的数字均匀选取时，准确率只有58%，但随着数字范围的增加，准确率却呈现下降趋势，范围在10-19和20-39时准确率降至16%和12%，在99-199时降至0。

虽然GPT-4在一些数学运算方面仍有缺陷，但允许其写下中间步骤后，1-40范围内的准确率已经达到100%，1-200范围内的准确率也提高到了90%。

尽管如此，微软团队仍不认为GPT-4可以被视为早期的通用智能，因为对于通用智能的定义本身是模糊的。

我们声称GPT-4代表了迈向AGI的进展，但并不意味着它是完美的，或者它能够做任何人类能够做的事情，或者它有内在动机和目标。

……

我们相信，GPT-4的智能标志着计算机科学领域及其他领域真正的范式转变。

Python技术功底不够，面试十家九家难？程序员必备《Python通关秘籍》offer拿到手软

前言

最近在网上看许多面经的文章，有拿到Offer的，也有凉凉的，这些文章中都有一个共同的特点，就是单单的只有面试题目。而没有面试过程中需要注意的细节和面试心得。导致有些面试者们在面试来临，就去盲目的去刷这些题目，而没有结合自己做过的那些项目中，遇到的一些技术问题会被面试官问道，回答不上导致面试落选或者薪资上不去。

不过确实，因为疫情情况一些公司倒闭，有部分开发者直接原地失业，也有另外一大批开发者在今年这种大环境下依旧难以按捺心中跳槽的小心思。不管是因为什么；

我们需要的只有一个：更高的技术追求，更好的薪酬待遇！

但往往事实却不太尽人意……

因为面试官可不会考虑这些，大批开发者来面试，意味着面试官有了更多选择！

所以，如果技术不过关的话，该被吊打的还是会被吊打！甚至比之前更惨！

👉2021年已不足一月，再过不久就要迎来2022年了，相信很多小伙伴在为跳槽做准备，每年的金三银四都是各大公司招聘程序员的最佳时期，在这段时间内有好多程序员为面试而发愁，不知道如何才能收到好的offer，拿到理想的薪资，实现自我的人生价值！

这里博主特地分享一份面试通关秘籍，希望能帮助到各位。

面试心得

👉我是如何准备面试的？

①准备简历

（敲门砖，不会包装简历的程序员只能去外包）

程序员的简历一定要多下一些功夫，尤其是对一些字眼要再三斟酌，如“精通、熟悉、了解”这三者的区别一定要区分清楚，否则就是在给自己挖坑了。

②了解面试公司，做好功课，知道问什么

对一线互联网大厂的面试点，我也做了总结

③梳理知识体系，学会举一反三

实际上，梳理知识体系是最简单的事，但很多开发小白总是一头雾水，实际上从第二点的大厂面试点就可以总结梳理出来我们应该要学什么，要掌握什么，通常我的方法是“大厂面试点”+“工作年限”来梳理自己接下来的学习及发展路线图。

之后，就需要根据路线图上的重点去进行有针对性的学习，在学习过程中，学会举一反三，学会写笔记，做总结。

④面试前刷题

临时抱佛脚这句话说的并没错，可以加深自己的记忆力，当然不是面试前才看两眼，面试前再刷一遍题目是非常有用的！

技术外这些准备要做好

• 首先是准备简历

你要明确的一点是：你不会的东西就不要写在简历上。另外，你要考虑你该如何才能让你的亮点在简历中凸显出来，

比如：你在某某项目做了什么事情解决了什么问题（只要有项目就一定有要解决的问题）、你的某一个项目里使用了什么技术后整体性能和并发量提升了很多等等。

面试和工作是两回事，聪明的人会把面试官往自己擅长的领域领，其他人则被面试官牵着鼻子走。虽说面试和工作是两回事，但是你要想要获得自己满意的 offer ，你自身的实力必须要强。

下面这几点你必须知道 ：

1. 大部分公司的HR都说我们不看重学历（骗你的！），但是如果你的学校不出众的话，很难在一堆简历中脱颖而出，除非你的简历上有特别的亮点，比如：某某大厂的实习经历、获得了某某大赛的奖等等；
2. 大部分应届生找工作的硬伤是没有工作经验或实习经历，所以如果你是应届生就不要错过秋招和春招。一旦错过，你后面就极大可能会面临社招，这个时候没有工作经验的你可能就会面临各种碰壁，导致找不到一个好的工作；
3. 写在简历上的东西一定要慎重，这是面试官大量提问的地方；
4. 将自己的项目经历完美的展示出来非常重要。

Python 易学难精，不是一朝一夕就能深入掌握。在这分享我珍藏的「学 Python 知识框架图」，系统地梳理了入门 Python 的必备知识点，建议保存。

关于Python技术储备

👉Python学习路线汇总👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末！！！！

👉Python必备开发工具👈

👉精品Python学习书籍👈

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

👉Python视频合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉实战案例👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python练习题👈

检查学习结果。

👉面试刷题👈

总结（获取）

可以为明年打下一个基础，即将到来的2022年“金三银四”取得好成绩，提前祝大家找到心仪的工作，争取能够帮助更多学习Python的小伙伴！

2021最新最全Python资料，需要的朋友自行获取！！！