字输入,理解自然语言,理解响应并模拟人类对话形式进行输出。再各个自然语言处理子任务具有

优异的表现。相比其他大语言模型拥有更丰富的知识,涵盖自然、社会科学、人文历史等多个领

域。chatgpt 在 gpt35 的基础上引入了 rlhf(rercent learng fro huan feedback)

技术,通过将人类的日常对话的语言习惯嵌入模型,并引入价值偏好,使得模型的输出满足人类的

意图。微调过程分为预训练、监督微调、设计奖励模型和反馈优化。桑基韬等人根据 chatgpt 的对

话对象和定位将其应用分为四个层次:数据生成器、知识挖掘器、模型调度器和人机交互界面。在

多模态领域,visual chatgpt、-react 和 huggggpt 让视觉模型与 chatgpt 协同工作来完成视

觉和语音任务。

除此以外,许多类 chatgpt 的大模型也同样在自然语言处理方面展示出来了较好的效果。