
重要突破:ChatGPT終於推出備受期待的歷史對話搜尋功能!本文詳細解析這項新功能如何改變使用者體驗,以及最新的介面更新與未來發展方向。
重大突破:ChatGPT推出對話搜尋功能
在人工智能發展迅速的今日,OpenAI再次為ChatGPT帶來重大更新。這次更新的核心是新增了備受用戶期待的歷史對話搜尋功能,讓使用體驗更上一層樓。
搜尋功能詳細介紹
新的搜尋功能設計簡單直觀,主要包含以下特點:
- 在側邊欄頂部新增放大鏡圖示
- 支援搜尋特定對話內容和瀏覽歷史記錄
- 涵蓋訊息、對話串和Canvas專案的全方位搜尋
- 根據使用習慣持續優化搜尋結果
值得注意的是,這項功能目前僅開放給Plus會員和Teams訂閱用戶,預計下個月將向免費用戶開放。
最新介面優化與功能更新
除了搜尋功能外,ChatGPT還進行了多項重要更新:
全新介面設計
整體介面改版更趨近於搜尋引擎風格,主要更新包括:
- 聊天欄新增自動完成功能
- 介面布局優化,提升使用體驗
- 新增快捷指令功能
功能指令升級
在聊天欄輸入"/“即可使用多項新功能:
- 圖像生成
- 網路搜尋
- 更多實用工具
未來發展與預期更新
OpenAI持續投入創新,未來發展規劃包括:
- Sora模型整合
- 進階語音功能
- 增強推理模型
- 搜尋功能持續優化
常見問題解答(FAQ)
Q1:這次更新的搜尋功能與SearchGPT有什麼不同?
A:目前推出的是內部對話搜尋功能,專注於幫助用戶查找過往對話記錄。而SearchGPT是OpenAI計劃推出的搜尋引擎服務,兩者功能定位完全不同。
Q2:免費用戶何時可以使用搜尋功能?
A:根據OpenAI的公告,搜尋功能預計於下個月向所有免費用戶開放。
Q3:搜尋功能支援哪些內容類型?
A:目前支援搜尋所有對話記錄、訊息內容以及Canvas專案資料。
結語
ChatGPT的這次更新不僅提升了用戶體驗,更展現了OpenAI在AI領域持續創新的決心。隨著功能不斷完善,我們可以期待ChatGPT在未來帶來更多突破性的發展。
#AI工具 #ChatGPT更新 #OpenAI #人工智能 #科技新知
體驗 Scribis:打造極致高效的語音與影音工作流程
Scribis 是一款專為創作者、研究員與專業人士打造的全方位 AI 語音工具,結合本地隱私計算與雲端 API 串接,提供毫秒級語音轉文字、語音合成與動態時間軸編輯功能。
高精準語音轉文字 (ASR)
整合 Whisper、Breeze ASR、SenseVoice、Parakeet、Qwen、VibeVoice 與 Voxtral 本地模型,並支援 ElevenLabs Scribe v2、Groq、Gemini 3.5 Transcribe 等雲端 API 一鍵調用。
高自然度文字轉語音 (TTS)
支援 Kokoro TTS、Qwen 3 TTS 以及自研研發的語音合成模型,輕鬆將文字轉換為極具渲染力的語音與配音。
動態時間軸與字幕編輯器
提供毫秒級影音與字幕對齊,支援雙語字幕同屏顯示、專業詞典替換與 AI 語法自動校正修正。
隱私優先與靈活 API 串接
支援 100% 本地離線推論保護數據隱私,同時可彈性輸入自訂 API Key 自由切換全球雲端 AI 模型。

DMflow.chat
DMflow.chat: 您的智能AI夥伴,提升客戶互動、創造卓越體驗。
Learn More
videoweaver.app
Video Weaver: 瀏覽器內完成專業影片剪輯,無需下載、即刻創作。
Learn More
scribis.app
Scribis: 字幕編輯、語音轉錄文字、即時顯示轉錄文字。
Learn More
DMflow.chat
探索DMflow.chat,立即開啟AI驅動的客戶服務新時代。
Learn More
DMflow.chat
DMflow.chat: 您的智能AI夥伴,提升客戶互動、創造卓越體驗。
Learn More
videoweaver.app
Video Weaver: 瀏覽器內完成專業影片剪輯,無需下載、即刻創作。
Learn More
scribis.app
Scribis: 字幕編輯、語音轉錄文字、即時顯示轉錄文字。
Learn More
DMflow.chat
探索DMflow.chat,立即開啟AI驅動的客戶服務新時代。
Learn MoreRecommended for You
LLM 模型評估指南:從基礎原理到 2025 年最新基準測試的完整解析
在人工智慧領域,訓練或是微調一個大型語言模型(LLM)只是第一步。真正的挑戰往往隱藏在隨後的問題之中:究竟該如何判斷這個模型表現是否優異?市面上充斥著各種排行榜、聲稱能測試推理或程式能力的基準測試(Benchmarks),以及不斷刷新「最先進技術」(SOTA)的學術論文。然而,這些評分背後究竟代表什麼意義? 本文將基於The LLM Evaluation Guidebook Hugging Face 團隊評測超過 15,000 個模型的經驗,深入探討 LLM 評估的核心機制、常見陷阱以及 2025 年最值得關注的評測工具。 為什麼模型評估如此重要? 對於不同角色的使用者來說,評估的目的截然不同。如果是模型建構者(Model Builder),目標通常是確認新架構或數據配方是否有效。這需要透過「消融實驗」(Ablations)來比較不同設計選擇的影響。這時候需要的評估工具必須具備高訊號雜訊比(Signal-to-Noise Ratio),能快速且便宜地運行,以便在開發過程中反覆測試。 反之,對於模型使用者(Model User)而言,目標則是找到最適合特定應用場景的模型。這時候,單純依賴通用的排行榜可能不夠精準。使用者更需要關注那些與實際應用場景高度相關的測試,甚至需要設計客製化的評估流程。 有趣的是,目前對於「通用人工智慧」(AGI)的定義尚不明確,因此與其追求一個模糊的智慧指標,不如專注於測量模型在特定、明確且有用的任務上的表現。 深入理解 LLM 的運作基礎:評估的前提 要進行有效的評估,首先必須理解模型是如何「閱讀」和「生成」內容的。這涉及到兩個關鍵概念:Tokenizer(分詞器)和推理機制。 Tokenization:模型眼中的世界 大型語言模型本質上是數學函數,它們無法直接處理文字,只能處理數字。因此,輸入的文字首先會被切割成名為 Token 的小單位。這個過程充滿了細節與變數: 數字的處理: 不同的分詞器對數字的切割方式不同。有的將數字視為單個 Token,有的則切分成多個數字位。這直接影響了模型進行數學推理的能力。例如,某些模型可能因為分詞方式的關係,在算術任務上表現不佳,這並非邏輯能力不足,而是「看不懂」題目。 多語言的不公平性: 目前主流的 BPE(Byte Pair Encoding)分詞法通常基於英文為主語料訓練。這導致非英語語言(如泰語、繁體中文)往往需要更多的 Token 來表達相同的意思。這不僅增加了推論成本,也可能在評估時造成偏差,因為模型需要「記憶」更長的序列。 格式敏感度: 2025 年的模型大多經過指令微調(Instruction Tuning)。如果評估時沒有嚴格遵守該模型特定的對話模板(Chat Template),例如遺漏了特定的 System Prompt 或標籤,模型的表現可能會雪崩式下跌。 想了解更多關於分詞器的運作機制,可以參考 Hugging Face 的 NLP 課程 或 相關文檔。 推理與生成:兩種主要的評估路徑 在評估模型時,主要有兩種方法,適用於不同的任務場景: 對數似然評估(Log-likelihood Evaluation): 這通常用於多選題。系統不要求模型生成文字,而是計算模型對於選項 A、B、C、D 的發生機率。機率最高的選項即為模型的選擇。這種方法速度快、成本低,且能排除生成格式不符的問題。 生成式評估(Generative Evaluation): 讓模型實際生成一段文字回答問題。這更接近真實使用場景,特別是對於程式碼生成、翻譯或開放式問答。然而,評分這類回答較為困難,因為正確答案的表達方式可能千變萬化。 2025 年不可不知的基準測試(Benchmarks) 隨著模型能力的提升,許多舊的基準測試已經「飽和」(Saturation),意即模型分數已超越人類或差異微乎其微,失去了鑑別度。同時,「數據汙染」(Contamination)也是一大問題,許多測試題庫早已被包含在模型的訓練資料中。以下整理了 2025 年較具參考價值的評測集: 1. 邏輯推理與常識 (Reasoning & Commonsense) 早期的數據集如 ARC 或 HellaSwag 雖然經典,但對現代模型來說已稍顯簡單。
2025年10月24日 AI 日報:OpenAI、Google、Anthropic、Microsoft 重大更新一覽
掌握 2025 年 10 月 24 日最新的 AI 發展!今天,AI 領域迎來了爆炸性的一天。OpenAI 為 ChatGPT 帶來了革命性的「公司知識」功能,讓 AI 真正融入企業工作流程。同時,Google 推出了讓應用開發更直觀的 AI Studio 新模式,並大幅升級了 Google Earth AI。Anthropic 的 Claude 也沒閒著,正式向個人用戶開放「記憶功能」。最後,微軟讓經典角色「迴紋針」以全新 AI 形象 Mico 回歸 Copilot。本文將為您深入剖析這些重大更新。 OpenAI 推出「Company Knowledge」,讓 ChatGPT 更懂你的業務 你是否也曾為了找一份文件,在 Slack、Google Drive 和無數封郵件中焦頭爛額?工作中最需要的資訊,往往像散落一地的拼圖,散佈在各個角落。為了解決這個長久以來的痛點,OpenAI 正式為 ChatGPT Business、Enterprise 及 Edu 用戶推出了一項名為**「公司知識 (Company Knowledge)」**的強大功能。 終結資訊孤島,打造企業專屬大腦 簡單來說,「公司知識」功能就像是給了 ChatGPT 一把通往你公司內部資訊庫的萬能鑰匙。 首次使用時,你只需將公司常用的應用程式(如 Slack、SharePoint、Google Drive、GitHub 等)與 ChatGPT 連接。之後,當你啟用這項功能並提出問題時,ChatGPT 就能夠跨平台查找所有相關資料,提供一個整合了完整上下文、專屬於你公司業務的精準答案。 舉個例子,當你需要準備一場客戶會議時,可以直接問 ChatGPT:「幫我整理一下上次與客戶 A 會議後的重點,以及最近 Slack 頻道中關於他們的討論。」ChatGPT 會自動抓取 Google Docs 的會議記錄、Email 中的關鍵細節,甚至是 Intercom 的客服問題,生成一份完整的簡報。
2025-10-23 AI 日報:Sora 公布未來藍圖、OpenRouter 用 Exacto 提升模型精準度
AI 的世界每天都在飛速前進!今天,我們將看到 OpenAI 為 Sora 擘劃的宏大藍圖,了解 OpenRouter 如何解決大型語言模型 (LLM) 供應商之間表現參差不齊的頭痛問題。同時,Claude 的桌面應用程式也正式上線,Grok Imagine 帶來了驚人的影片升級功能,而 Gemini CLI 也迎來了重要的更新。 Grok Imagine 推出影片超解析度功能,一鍵升級 HD 你是否曾覺得 AI 生成的影片解析度不夠高,看起來總是有點模糊?現在,Grok Imagine 帶來了一個超棒的解決方案。 他們剛剛推出了全新的「影片超解析度」功能。使用者現在只需要按一下,就能立刻將 Grok Imagine 生成的影片升級到高清 (HD) 畫質。最令人驚訝的是它的速度——整個過程竟然不到 10 秒鐘。這對於追求影片品質和效率的創作者來說,無疑是一大福音。 參考來源。 LLM 供應商表現參差不齊?OpenRouter 用 Exacto 終結你的選擇困難 這件事,相信所有開發者都心有戚戚焉。理論上,當不同的供應商運行同一個大型語言模型時,它們的表現應該是一樣的。但現實是,由於各種複雜的技術細節,結果往往大相逕庭,尤其是在「工具呼叫 (tool calling)」的精準度上。 工具呼叫,簡單來說,就是當 AI 需要使用一個外部工具或函式來完成任務時的行為,例如查詢天氣、計算股價等。如果這個環節出錯,整個應用程式的流程可能就中斷了。 OpenRouter 的獨特視角與挑戰 OpenRouter 每個月處理來自全球數十億次的請求,這讓他們處在一個獨一無二的位置,能夠清楚地觀察到不同供應商之間的細微差異。他們發現,即使是同一個模型,在工具呼叫的成功率和傾向性上,也存在著顯著的差距。 為了確保使用者能獲得穩定、高品質的體驗,他們決定採取行動。 什麼是 Exacto?一個專為精準度而生的解決方案 為了解決這個問題,OpenRouter 推出了名為「Exacto」的全新端點 (endpoints)。 這不是一個新模型,而是一個智慧路由系統。當你使用 Exacto 端點時,你的請求會被自動導向到一個經過嚴格篩選的供應商子群組。這些供應商在以下三個方面都表現頂尖: 工具呼叫的精準度最高 工具呼叫的傾向性在正常範圍內 (不會過度或過少地呼叫工具) 最少被使用者忽略或封鎖 這個篩選機制結合了 OpenRouter 的內部遙測數據、使用者偏好數據以及像 Groq OpenBench 這類的公開基準測試,確保了路由的結果是最佳選擇。 根據 OpenRouter 的測試,以 Kimi K2 模型為例,使用 Exacto 端點後,在 LiveMCPBench 基準測試中的工具呼叫成功率提升了約 30%,在 Tau2Bench 測試中也提升了約 9%。這對所有依賴 AI 代理 (agentic workflows) 進行複雜工作的開發者來說,是一個巨大的進步。