Bing AI可以查看当前edge浏览器中打开的pdf文件，能让它直接整理出重点，看论文的时候很方便。

例如，小编打开了OpenAI官网发布的GPT-4论文，再在侧边栏启用Bing AI聊天功能：

Q：论文摘要

A：这篇论文的摘要如下：

我们报告了 GPT-4 的开发，这是一个大型多模型，能够接受图像和文本输入并产生文本输出。尽管在许多现实世界场景中能力不及人类，但 GPT-4 在各种专业和学术基准测试中表现出人类水平的性能，包括在模拟律师考试中取得前 10% 的成绩。GPT-4 是一个基于 Transformer 的模型，预先训练用来预测文档中的下一个标记。后期训练对齐过程导致事实性和符合期望行为的度量标准的性能提高。这个项目的一个核心组成部分是开发基础设施和优化方法，这些方法在广泛的范围内表现稳定可预测。这使我们能够准确预测 GPT-4 的某些方面的性能，基于使用不超过 GPT-4 计算量的 1/1000 的模型进行训练。

Q：列出这篇文章的大纲

A：这篇论文的大纲如下：

1. 摘要

2. 引言

3. 可预测的扩展 3.1 损失预测 3.2 HumanEval 的能力扩展

4. 能力 4.1 视觉输入

5. 局限性

6. 安全性

Q：对比GPT 3.5，GPT-4有什么创新

A：根据这篇论文，GPT-4 相比于 GPT-3.5 在许多方面都有所改进。例如，在各种专业和学术基准测试中，GPT-4 表现出人类水平的性能，而 GPT-3.5 的表现则相对较差。此外，GPT-4 还具有接受图像和文本输入的能力，这是 GPT-3.5 所不具备的。GPT-4 还在减少幻觉方面取得了显著进展，相对于之前的 GPT-3.5 模型（它们本身也在不断迭代中得到改进），GPT-4 在我们内部设计的事实性评估中得分比我们最新的 GPT-3.5 高 19 个百分点。

Q：详细说说视觉输入的部分

A：根据这篇论文，GPT-4 能够接受由图像和文本组成的提示，这与仅使用文本设置相似，让用户可以指定任何视觉或语言任务。具体来说，模型可以根据任意交错的文本和图像输入生成文本输出。在包括带有文本和照片、图表或屏幕截图的文档的多个领域中，GPT-4 表现出与仅使用文本输入时类似的能力。在表 3 中可以找到 GPT-4 视觉输入的示例。针对语言模型开发的标准测试时间技术（例如少量提示、思维链等）在使用图像和文本时同样有效。关于 GPT-4 视觉能力的初步结果可以在 GPT-4 博客文章中找到。我们计划在后续工作中发布有关 GPT-4 视觉能力的更多信息。

Q：这篇论文讲述了GPT-4有什么潜在风险

A：根据您提供的网页内容，OpenAI在其GPT-4技术报告中提到，尽管GPT-4具有强大的能力，但它也有与早期GPT模型类似的局限性。例如，它并不完全可靠（例如，可能会出现“幻觉”），具有有限的上下文窗口，并且不会从经验中学习。因此，在使用GPT-4的输出时，特别是在可靠性很重要的情况下，应谨慎使用。

此外，GPT-4的能力和局限性带来了重大且新颖的安全挑战。报告中提到，鉴于潜在的社会影响，认真研究这些挑战是一个重要的研究领域。报告还包括一份详细的系统卡片（在附录之后），描述了我们预见到的关于偏见、虚假信息、过度依赖、隐私、网络安全、扩散等方面的风险。它还描述了我们为减轻GPT-4部署可能带来的潜在危害而采取的干预措施，包括与领域专家进行对抗性测试和模型辅助安全管道。

Q：论文的结论

A：这篇论文的结论是，GPT-4 是一个大型多模型，能够接受图像和文本输入并产生文本输出。它在各种专业和学术基准测试中表现出人类水平的性能。此外，该报告还讨论了该项目的一个关键挑战，即开发深度学习基础设施和优化方法，以便在广泛的范围内具有可预测的行为。尽管具有这些能力，但 GPT-4 仍然具有与早期 GPT 模型类似的局限性。GPT-4 的能力和局限性创造了重大且新颖的安全挑战，我们认为仔细研究这些挑战是一个重要的研究领域，因为它具有潜在的社会影响。