以下の記事が面白かったので簡単にまとめました。 下面的文章很有趣，所以我簡要地總結了一下。

1. Canvas 1. 畫布

「Canvas」は、プロジェクト作成やコーディングで 「ChatGPT」と連携するための新しいインターフェースです。別ウィンドウで開き、「ChatGPT」と共同でプロジェクトに取り組むことができます。このベータ版では、会話だけでなく、隣り合ってアイデアを作成し、改良するという新しい共同作業の方法が導入されています。
“Canvas” 是一個與 “ChatGPT” 一起進行專案創建和編碼的新介面。 它將在新視窗中打開，您可以使用 ChatGPT 處理一個專案。 此測試版引入了一種新的協作方式，不僅僅是對話，而是可以彼此相鄰地創建和優化想法。

「Canvas」は「GPT-4o」で構築されており、ベータ版ではモデルピッカーで手動で選択できます。本日から、「ChatGPT Plus / Team」ユーザーに全世界で展開します。「Enterprise / Edu」ユーザーは来週からアクセスできるようになります。また、ベータ版が終了したら、すべての「ChatGPT Free」ユーザーが利用できるようにする予定です。
“Canvas” 是使用“GPT-4o”構建的，在 beta 版中，您可以在模型選擇器中手動選擇它。 從今天開始，它將在全球範圍內向“ChatGPT Plus/Team”使用者推出。 “Enterprise/Edu” 使用者將能夠從下周開始訪問它。 我們還計劃在測試結束後向所有「ChatGPT Free」 使用者提供它。

2. ChatGPT とのより良いコラボレーション
2. 與 ChatGPT 更好地協作

「ChatGPT」は、執筆やコーディングの支援に毎日利用されています。チャットインターフェースは使いやすく、多くのタスクに適していますが、編集や修正が必要なプロジェクトに取り組む場合には限界があります。「Canvas」は、この種の作業のための新しいインターフェースを提供します。
ChatGPT 每天都用來説明寫作和編碼。 聊天介面易於使用，適用於許多任務，但在處理需要編輯或修訂的專案時存在限制。 “Canvas” 為此類工作提供了一個新介面。

「Canvas」を使用すると、「ChatGPT」は、達成しようとしていることのコンテキストをよりよく理解できます。特定のセクションを強調表示して、「ChatGPT」に重点を置きたい内容を正確に示すことができます。コピーエディタやコードレビュー担当者のように、プロジェクト全体を念頭に置いたインラインフィードバックや提案を提供できます。
借助「Canvas」，“ChatGPT” 可以更好地瞭解您要實現的目標的背景。 您可以突出顯示特定部分以準確表明您想要關注“ChatGPT”的內容。 與文案編輯或代碼審閱者一樣，您可以在考慮整個項目的情況下提供內聯反饋和建議。

プロジェクトは「Canvas」で制御します。テキストやコードを直接編集できます。「ChatGPT」に書き込みの長さを調整したり、コードをデバッグしたり、その他の便利なアクションをすばやく実行したりするためのショートカットメニューがあります。「Canvas」の戻るボタンを使用して、以前のバージョンの作業を復元することもできます。
該專案由 「Canvas」 控制。 您可以直接編輯文字和代碼。 “ChatGPT”有一個快捷功能表，可以快速調整編寫長度、調試代碼和執行其他有用的操作。 您還可以使用 Canvas 上的返回按鈕來恢復您作品的先前版本。

「ChatGPT」が役立つシナリオを検出すると、キャンバスが自動的に開きます。プロンプトに「use canvas」(キャンバスを使用)と入力してキャンバスを開き、既存のプロジェクトで作業することもできます。
當 「ChatGPT」 檢測到有用的場景時，畫布會自動打開。 您還可以在提示符處鍵入 「use canvas」 以打開畫布並處理現有專案。

書き込みショートカットには、次のようなものがあります。
寫入快捷方式包括以下內容：

3. Canvas でのコーディング 3. 在 Canvas 中編碼

コーディングは反復的なプロセスであり、チャットでコードのすべての変更を追跡するのは難しい場合があります。「Canvas」を使用すると、「ChatGPT」の変更を簡単に追跡して理解できます。また、このような編集の透明性を継続的に向上させる予定です。
編碼是一個反覆運算過程，在聊天中跟蹤代碼中的所有更改可能很困難。 “Canvas”可以輕鬆跟蹤和理解“ChatGPT”中的更改。 我們還計劃繼續提高這些編輯的透明度。

コーディングのショートカットには、次のようなものがあります。
一些編碼快捷方式包括：

4. GPT-4o を協力者になるように学習 4. 學習 GPT-4o 成為合作者

「GPT-4o」はクリエイティブパートナーとして共同作業できるように学習しました。このモデルは、「Canvas」をいつ開くか、対象を絞った編集を行うか、完全に書き直すかを知っています。また、より広いコンテキストを理解して、正確なフィードバックと提案を提供します。
GPT-4o 已經過培訓，可以作為創意夥伴一起工作。 該模型知道何時打開 「Canvas」、進行有針對性的編輯或完全重寫它。 它還瞭解更廣泛的上下文，以提供準確的反饋和建議。

これをサポートするために、以下のコア行動を開発しました。
為了支援這一點，我們開發了以下核心行為：

OpenAIでは、20回を超える自動化された内部評価で進捗状況を測定しました。「OpenAI o1-preview」からの出力の抽出など、新しい合成データ生成技術を使用して、モデルのコア動作を事後学習しました。このアプローチにより、人間が生成したデータに頼ることなく、文章の品質と新しいユーザーインタラクションに迅速に対処できるようになりました。
在OpenAI，我們通過20多項自動化內部評估來衡量進度。 我們使用了新的合成數據生成技術，例如從 OpenAI o1-preview 中提取輸出，以事後學習模型的核心行為。 這種方法使我們能夠快速解決寫作和新使用者交互的質量問題，而無需依賴人工生成的數據。

重要な課題は、「Canvas」をいつトリガーするかを定義することでした。モデルに、「コーヒー豆の歴史についてのブログ記事を書いてください」などのプロンプトに対してキャンバスを開くように教えながら、「夕食に新しいレシピを作るのを手伝ってください」などの一般的な Q&A タスクに対しては過剰なトリガーを避けました。ライティングタスクでは、「正しいトリガー」の改善を優先し (「正しい非トリガー」を犠牲にして)、プロンプト指示付きのベースラインゼロ ショット GPT-4o と比較して83%を達成しました。
關鍵挑戰是定義何時觸發 「Canvas」。 我們教模型打開畫布以獲取提示，例如“寫一篇關於咖啡豆歷史的博客文章”，同時避免過度觸發常見的問答任務，例如“幫我做一個新的晚餐食譜”。 在寫作任務中，我們優先考慮改進 「正確的觸發器」（以犧牲 」正確的非觸發器「為代價），與基線零發 GPT-4o 相比，通過及時的指示實現了 83%。

このようなベースラインの品質は、使用される特定のプロンプトに非常に左右されることに注意してください。プロンプトが異なれば、ベースラインのパフォーマンスは低下する可能性がありますが、その方法は異なります。たとえば、コーディングとライティングのタスク全体で不正確さが均等になり、エラーの分布が異なり、パフォーマンスが最適でない別の形式が発生します。コーディングについては、パワーユーザーの混乱を避けるために、モデルを意図的にトリガーに対してバイアスをかけました。ユーザーからのフィードバックに基づいて、これを改善し続けます。
請記住，此類基線的品質在很大程度上取決於所使用的特定提示。 不同的提示可能會降低基準性能，但方式不同。 例如，在編碼和編寫任務之間，不準確的地方被均勻地分配，錯誤的分佈不同，性能的形式也不同。 對於編碼，我們故意使模型與觸發器產生偏差，以避免高級使用者混淆。 我們將根據用戶反饋繼續改進這一點。

2つ目の課題は、Canvasがトリガーされた後のモデルの編集動作を調整することでした。具体的には、コンテンツ全体を書き換えるのではなく、ターゲットを絞った編集をいつ行うかを決定することです。ユーザーがインターフェイスを通じてテキストを明示的に選択したときにターゲットを絞った編集を実行し、それ以外の場合は書き換えを行うようにモデルを学習しました。この動作は、モデルを改良するにつれて進化し続けています。
第二個挑戰是在觸發 Canvas 後調整模型的編輯行為。 具體來說，它是關於決定何時進行有針對性的編輯，而不是重寫整個內容。 我們訓練模型在用戶通過介面顯式選擇文本時執行有針對性的編輯，否則它會重寫。 隨著我們優化模型，此行為會不斷演變。

最後に、モデルを学習して高品質のコメントを生成するには、慎重な反復が必要でした。徹底した手動レビューによる自動評価に簡単に適応できる最初の2つのケースとは異なり、自動化された方法で品質を測定することは特に困難です。そのため、人間による評価を使用してコメントの品質と精度を評価しました。統合キャンバスモデルは、プロンプト指示付きのゼロショット GPT-4o よりも精度が30%、品質が16%優れており、詳細な指示付きのゼロ ショットプロンプトと比較して、合成学習によって応答の品質と動作が大幅に向上することを示しています。
最後，需要仔細反覆運算來訓練模型以產生高質量的評論。 與前兩種情況不同，前兩種情況可以通過徹底的人工審查輕鬆適應自動評估，而以自動化方式衡量品質尤其困難。 這就是為什麼我們使用人工評分來評估我們評論的品質和準確性。 與帶有提示說明的零樣本 GPT-30o 相比，統一畫布模型的準確性提高了 16%，品質提高了 4%，這表明與帶有詳細說明的零樣本提示相比，合成學習顯著提高了響應質量和行為。

5. 今後の展開 5. 未來發展

AIをより便利でアクセスしやすいものにするには、AIとのやり取り方法を再考する必要があります。「Canvas」は新しいアプローチであり、2年前のリリース以来、「ChatGPT」のビジュアル インターフェースに対する最初のメジャー アップデートです。「Canvas」はまだベータ版であり、機能を積極的に改善していく予定です。
為了讓 AI 更有用、更易獲得，我們需要重新思考我們與 AI 的互動方式。 “Canvas”是一種新方法，也是“ChatGPT”視覺介面自兩年前發佈以來的首次重大更新。 Canvas 仍處於測試階段，我們計劃積極改進其功能。