2 tháng 2, 2025

Giới thiệu về nghiên cứu sâu

Một tác nhân sử dụng khả năng suy luận để tổng hợp lượng lớn thông tin trực tuyến và hoàn thành các nhiệm vụ nghiên cứu đa bước cho bạn. Có sẵn cho người dùng Pro ngay hôm nay, tiếp theo là người dùng Plus và Team.

Dùng thử ChatGPT

Đang tải…

Cập nhật ngày 10 tháng 2 năm 2026: Giờ đây, bạn có thể kết nối nghiên cứu sâu với bất kỳ MCP hoặc ứng dụng nào và hạn chế tìm kiếm trên web đối với các trang web đáng tin cậy, vì vậy bạn có thể tập trung vào các nguồn được xác thực, tiêu chuẩn công nghiệp. Giờ đây, bạn cũng có thể theo dõi tiến trình trong thời gian thực và ngắt để tinh chỉnh bằng lời nhắc tiếp theo hoặc các nguồn mới. Chúng tôi đã cập nhật trải nghiệm hình ảnh để dễ dàng bắt đầu, theo dõi và xem xét nghiên cứu của bạn từ đầu đến cuối dễ dàng hơn.

Cập nhật ngày 17 tháng 7 năm 2025: Nghiên cứu sâu giờ đây có thể đi sâu hơn và rộng hơn với quyền truy cập vào trình duyệt trực quan như một phần của tác nhân ChatGPT. Để truy cập các khả năng cập nhật này, chỉ cần chọn “chế độ tác nhân” từ menu thả xuống trong trình soạn nhạc và nhập truy vấn của bạn trực tiếp. Chức năng nghiên cứu sâu ban đầu vẫn có sẵn thông qua tùy chọn “nghiên cứu sâu” trong menu công cụ.

Cập nhật ngày 24 tháng 4 năm 2025: Chúng tôi đang tăng đáng kể tần suất bạn có thể sử dụng nghiên cứu sâu — Người dùng Plus, Team, Enterprise và Edu hiện nhận được 25 truy vấn mỗi tháng, người dùng Pro nhận được 250 và người dùng Miễn phí nhận được 5 truy vấn. Điều này được thực hiện thông qua một phiên bản nghiên cứu sâu nhẹ mới được hỗ trợ bởi phiên bản o4-mini, được thiết kế để tiết kiệm chi phí hơn trong khi vẫn giữ được chất lượng cao. Khi bạn đạt đến giới hạn cho phiên bản đầy đủ, truy vấn của bạn sẽ tự động chuyển sang phiên bản nhẹ.

Cập nhật ngày 25 tháng 2 năm 2025: Tất cả người dùng Plus hiện có thể sử dụng nghiên cứu sâu.

Cập nhật ngày 5 tháng 2 năm 2025: Nghiên cứu sâu hiện đã có sẵn cho người dùng Pro tại Vương quốc Anh, Thụy Sĩ và Khu vực kinh tế Châu Âu.

Hôm nay, chúng tôi ra mắt tính năng Nghiên cứu sâu trong ChatGPT, một năng lực mới mang tính tự chủ cao giúp thực hiện nghiên cứu đa bước trên internet cho các nhiệm vụ phức tạp. Chỉ với mười phút, tính năng này sẽ hoàn tất những gì con người phải mất nhiều giờ.

Tính năng Nghiên cứu sâu là tác nhân kế tiếp của OpenAI có thể tự chủ thực hiện công việc cho bạn, chỉ cần đưa ra lời nhắc và ChatGPT sẽ tìm kiếm, phân tích và tổng hợp hàng trăm nguồn trực tuyến để tạo ra một báo cáo toàn diện, ngang tầm với một chuyên viên phân tích nghiên cứu. Được trang bị phiên bản mô hình OpenAI o3 sắp ra mắt, vốn được tối ưu hóa để duyệt web và phân tích dữ liệu, tính năng này tận dụng khả năng suy luận để tìm kiếm, diễn giải và phân tích khối lượng lớn các văn bản, hình ảnh và tệp PDF trên internet, linh hoạt điều chỉnh khi cần phản hồi với thông tin thu được.

Khả năng tổng hợp kiến thức là điều kiện tiên quyết để tạo ra kiến thức mới. Vì lý do này, tính năng nghiên cứu sâu đánh dấu một bước tiến quan trọng hướng tới mục tiêu lớn hơn của chúng tôi là phát triển AGI (Trí tuệ nhân tạo tổng quát), mà chúng tôi từ lâu đã hình dung là có khả năng thực hiện nghiên cứu khoa học mới.

Lý do chúng tôi xây dựng tính năng nghiên cứu sâu

Tính năng Nghiên cứu sâu được xây dựng cho những người làm công việc đòi hỏi kiến thức chuyên sâu trong các lĩnh vực như tài chính, khoa học, chính sách và kỹ thuật và cần đến hoạt động nghiên cứu kỹ lưỡng, chính xác và đáng tin cậy. Ngoài ra tính năng này có thể hữu ích không kém cho những người mua sắm sành điệu đang tìm kiếm các đề xuất đặc thù về mua sắm thường đòi hỏi phải nghiên cứu cẩn thận, như xe hơi, thiết bị và đồ nội thất. Mỗi kết quả đều được ghi chép đầy đủ, với các trích dẫn rõ ràng và tóm tắt quá trình suy nghĩ, giúp bạn dễ dàng tham khảo và xác minh thông tin. Tính năng này đặc biệt hiệu quả trong việc tìm kiếm thông tin chuyên biệt, khó suy luận trực tiếp mà sẽ đòi hỏi phải duyệt xem rất nhiều trang web. Nghiên cứu sâu sẽ tiết kiệm thời gian quý giá nhờ giúp bạn giảm khối lượng công việc, đẩy nhanh việc nghiên cứu trên web phức tạp, tốn kém thời gian chỉ bằng một lệnh truy vấn.

Tính năng Nghiên cứu sâu sẽ phát hiện, suy luận và tổng hợp những phân tích chuyên sâu một cách độc lập từ khắp các nguồn trên web. Để thực hiện điều này, mô hình đã được huấn luyện về các nhiệm vụ thực tế đòi hỏi sử dụng công cụ trình duyệt và Python, áp dụng cùng những phương pháp học củng cố là nền tảng cho OpenAI o1, mô hình suy luận đầu tiên của chúng tôi. Mặc dù o1 thể hiện khả năng ấn tượng trong viết mã, toán học và các lĩnh vực kỹ thuật khác, nhưng nhiều thách thức trong thực tế đòi hỏi bối cảnh rộng lớn và thu thập thông tin từ nhiều nguồn trực tuyến khác nhau. Nghiên cứu sâu dựa trên các khả năng suy luận này nhằm thu hẹp khoảng cách đó, giúp đảm nhận các loại vấn đề mà mọi người gặp phải trong công việc và cuộc sống hàng ngày.

Cách sử dụng nghiên cứu sâu

Trong ChatGPT, chọn ‘nghiên cứu sâu’ trong trình soạn thảo tin nhắn và nhập truy vấn của bạn. Cho ChatGPT biết bạn cần gì – cho dù đó là bản phân tích cạnh tranh trên các nền tảng truyền phát trực tuyến hay một báo cáo cá nhân hóa về chiếc xe đạp đi lại hàng ngày tốt nhất. Bạn có thể đính kèm các tệp hoặc bảng tính để bổ sung bối cảnh cho câu hỏi của mình. Sau khi bắt đầu chạy, một thanh bên xuất hiện cùng với bản tóm tắt các bước được thực hiện và các nguồn được sử dụng.

Nghiên cứu sâu có thể mất từ 5 đến 30 phút để hoàn tất công việc, dành thời gian cần thiết để tìm hiểu kỹ lưỡng trên web. Trong khi đó, bạn có thể rời đi hoặc làm các nhiệm vụ khác – bạn sẽ nhận được thông báo sau khi nghiên cứu hoàn tất. Kết quả cuối cùng sẽ có dưới dạng một báo cáo trong đoạn chat – trong vài tuần tiếp theo, chúng tôi cũng sẽ thêm hình ảnh nhúng, trực quan hóa dữ liệu và các kết quả phân tích khác trong những báo cáo này giúp làm rõ thêm và nắm vững bối cảnh.

So với nghiên cứu sâu, GPT‑4o rất lý tưởng cho các cuộc trò chuyện đa phương thức ở thời gian thực. Với các truy vấn nhiều khía cạnh, cụ thể theo lĩnh vực, trong đó mức độ chuyên sâu và chi tiết có ý nghĩa rất quan trọng, khả năng để tính năng nghiên cứu sâu này tiến hành khám phá thông tin sâu rộng và trích dẫn nguồn cho từng luận điểm chính là yếu tố tạo nên sự khác biệt giữa một bản tóm tắt nhanh và một câu trả lời được xác minh, dẫn chứng đầy đủ, có thể dùng làm sản phẩm công việc.

GPT-4o

Help me find iOS and android adoption rates, % who want to learn another language, and change in mobile penetration, over the past 10 years, for top 10 developed and top 10 developing countries by GDP. Lay this info out in a table and separate stats into columns, and include recommendations on markets to target for a new iOS translation app from ChatGPT, focusing on markets ChatGPT is currently active in.

Compiling comprehensive data on iOS and Android adoption rates, the percentage of populations interested in learning another language, and changes in mobile penetration over the past decade for the top 10 developed and developing countries by GDP is challenging due to data limitations. However, based on available information, we can provide insights and recommendations for targeting markets with a new iOS translation app powered by ChatGPT.

Top 10 Developed Countries by GDP:

United States
Japan
Germany
United Kingdom
France
Italy
Canada
South Korea
Australia
Spain

Top 10 Developing Countries by GDP:

China
India
Brazil
Russia
Indonesia
Mexico
Turkey
Saudi Arabia
Argentina
South Africa

Insights:

iOS and Android Adoption Rates: Globally, Android holds a dominant market share of approximately 70.93%, while iOS accounts for about 28.32% as of 2024. In the United States, iOS leads with a 58.81% market share. Other developed countries like Japan, Canada, Australia, and the United Kingdom also show a higher preference for iOS devices. In contrast, developing countries such as India and Brazil have a higher prevalence of Android devices.
Interest in Language Learning: While specific percentages of populations interested in learning another language are not readily available, the global popularity of language learning apps like Duolingo, which had approximately 14.3 million downloads in July 2024, indicates a significant interest. This interest is likely higher in countries with diverse linguistic landscapes or where English is not the primary language.
Mobile Penetration Over the Past Decade: Mobile phone ownership has seen substantial growth globally. In the United States, smartphone ownership increased from 35% in 2011 to 91% in 2024. Developing countries have also experienced significant growth in mobile penetration, contributing to increased access to digital services.

Recommendations:

Considering the available data and focusing on markets where ChatGPT is currently active, the following developed countries are promising targets for a new iOS translation app:

United States: High iOS market share and significant interest in language learning.
United Kingdom: Substantial iOS user base and a multicultural population with diverse language needs.
Canada: Notable iOS adoption and a bilingual population (English and French), increasing the demand for translation services.

Among developing countries, the following are noteworthy:

China: Despite Android's dominance, the large population and growing interest in English and other languages present a significant opportunity.
India: High Android usage, but a growing middle class with increasing iOS adoption and a strong interest in language learning, especially English.
Brazil: Predominantly Android users, but with a sizable market for language learning apps, particularly for English and Spanish.

Focusing on these markets aligns with ChatGPT's current availability and leverages existing mobile adoption trends and language learning interests.

Nghiên cứu sâu

Top 10 Developed Economies (by GDP) – Smartphone OS Share, Language-Learning Interest, and Mobile Penetration Growth

Country	iOS Market Share	Android Market Share	Interest in New Language (% of population)	Mobile Penetration Change (2013→2023)
United States (USA)	~58% iOS vs 42% Android	(see left)	High: 70% regret losing foreign-language ability (indicating strong desire to improve)	56%→82% smartphone penetration (↑26 pp)
Japan	~69% iOS vs 31% Android	(see left)	High: Over 50% want to learn English	~30%→79% (approx.) (↑~50 pp)
Germany	~39% iOS vs 60% Android	(see left)	High: 86% of Europeans say everyone should speak ≥1 foreign language (strong pro-language attitude)	40%→82% (↑42 pp)
United Kingdom (UK)	~52% iOS vs 47% Android	(see left)	Moderate-High: ~73% have some interest (only 27% “no interest” in new languages)	62%→82% (↑20 pp)
France	~35% iOS vs 64% Android	(see left)	High: 86% (EU average) favor multilingualism; English widely seen as important	42%→83% (↑40 pp)
Italy	~30% iOS vs 69% Android	(see left)	High: 86% (EU avg.) favor language learning; 1 in 4 regret not learning another	41%→85% (↑44 pp)
Canada	~60% iOS vs 40% Android	(see left)	Moderate: Many bilingual (English/French); rising interest in third languages (no recent % data)	56%→~80% (↑ ~24 pp) (est., similar to US)
South Korea	~24% iOS vs 76% Android	(see left)	Moderate: Strong English education focus; ~40% of teens are learning English	73%→~95% (↑ ~22 pp) – already very high by 2013 (near saturation now)
Australia	~55% iOS vs 45% Android	(see left)	Moderate: ~70% see learning languages as valuable (English dominant but interest in Asian languages growing)	65%→~85% (↑ ~20 pp) (est., high smartphone use)
Spain	~20% iOS vs 79% Android	(see left)	High: 88% of Spaniards learned a foreign language in school (e.g. English); strong cultural interest	55%→~85% (↑ ~30 pp) (est., nearing Western Europe peers)

Top 10 Developing/Emerging Economies (by GDP) – (ChatGPT availability considered)

Country	iOS Market Share	Android Market Share	Interest in New Language (notable stats)	Mobile Penetration Change (2013→2023)
China ^(ChatGPT restricted)	~24% iOS vs 75% Android	(see left)	Very High: Hundreds of millions learning English (but ChatGPT not officially accessible)	47%→68% (↑21 pp)
India	~4% iOS vs 95% Android	(see left)	High: English compulsory in many schools; strong economic motivation (80% link English to higher income)	~5%→46% (↑ ~41 pp) (huge jump in smartphone adoption)
Brazil	~18% iOS vs 82% Android	(see left)	High: Great demand for English – only ~5% speak it, but most see it as key skill	26%→67% (↑40 pp)
Russia ^(ChatGPT limited)	~30% iOS vs 69% Android	(see left)	Moderate: English learning common (compulsory in school); interest exists but ChatGPT availability is uncertain	36%→74% (↑38 pp)
Mexico	~24% iOS vs 76% Android	(see left)	High: Strong desire to learn English for US job/migration; ~50% of students study English in school (est.)	37%→62% (↑25 pp)
Indonesia	~12% iOS vs 88% Android	(see left)	High: English seen as gateway skill; government programs to improve English proficiency	<30%→68% (↑ ~40 pp)
Turkey	~15% iOS vs 85% Android (est.)	(see left)	High: English highly valued (universal in education); 80% link English to better jobs	30%→75% (↑45 pp)
Saudi Arabia	~24% iOS vs 76% Android	(see left)	Moderate: English widely taught; 92% smartphone ownership (many already bilingual in English/Arabic)	73%→~95% (↑ ~22 pp) (early adopter; near saturation now)
South Africa	~16% iOS vs 83% Android	(see left)	High: Multilingual society; English and Afrikaans taught alongside native languages – cultural impetus to learn others	40%→~60% (↑ ~20 pp) (est., steady growth)
Argentina	~12% iOS vs 88% Android	(see left)	High: Strong interest in English (Argentina leads Latin America in English proficiency)	31%→~70% (↑ ~39 pp) (est., sharp rise with smartphone adoption)

Sources: Smartphone OS shares are from StatCounter/Statista data (2023–24). Language-interest metrics come from surveys by Preply, Eurobarometer, Babbel, etc. (e.g. UK 73% interest; US 70% regret lack of languages; Japan >50% want English; Pearson global survey). Mobile penetration is measured as smartphone ownership percentage – dramatic growth is noted in developing markets (e.g. Brazil +40 points) and high saturation in developed ones (e.g. UK ~82%) over the last decade.

Recommendations: Based on the above, prime targets for a new ChatGPT‑powered iOS translation app would be countries with large iOS user bases and strong language-learning demand, where ChatGPT is accessible. Notably, Japan, the U.S., UK, Canada, and Australia emerge as top choices. These markets pair high iOS adoption (50–60%+ share) with significant enthusiasm for language learning – for example, Japan’s iPhone dominance and widespread desire to learn English make it ideal. English-speaking countries like the US, UK, Canada, and Australia, despite being monolingual societies, show substantial interest in learning other languages (e.g. Spanish or French), and all have over 80% smartphone penetration and millions of iPhone users.

Among emerging economies, Mexico and Brazil stand out as secondary targets: although Android prevails, their sheer population sizes mean tens of millions of iPhone users exist, and interest in English is very high for career and education reasons. These Latin American markets (where ChatGPT is active) could yield strong adoption for an iOS-only app, especially given the motivation to learn English. Conversely, China and Russia are less feasible – China’s OS split skews Android and ChatGPT is not officially available there, and Russia faces access and regulatory uncertainties.

In summary, focus on iOS-heavy, pro-learning markets: Japan and Western countries (US, UK, Canada, Australia, plus high-income Europe like Germany and France to a lesser degree) should be the first-tier targets. They combine robust iOS usage with favorable language-learning attitudes. A second tier includes large-population developing markets (Mexico, Brazil, perhaps Saudi Arabia for its historically high iPhone uptake) where interest in English is strong – these can be approached once the app gains traction in the primary markets. Such a strategy ensures the app launches where it has the greatest alignment of platform (iOS) presence and user demand for translation/language tools, maximizing the likelihood of adoption and growth.

Tính năng Nghiên cứu sâu sẽ phản hồi lời nhắc một cách rất chi tiết, cung cấp dữ liệu theo quốc gia cụ thể song song cho cả danh sách Top 10 quốc gia phát triển và Top 10 quốc gia đang phát triển để dễ dàng tham khảo và so sánh. Nghiên cứu sâu sẽ sử dụng thông tin đó để đưa ra các đề xuất thâm nhập thị trường chi tiết, vừa có cơ sở thông tin vững chắc vừa mang tính ứng dụng cao.

Cách thức hoạt động

Nghiên cứu sâu đã được huấn luyện bằng phương pháp học củng cố đầu-cuối trên các nhiệm vụ duyệt tìm và suy luận phức tạp ở khắp các lĩnh vực khác nhau. Thông qua việc huấn luyện đó, mô hình này đã học cách lập kế hoạch và thực thi một lộ trình gồm nhiều bước để tìm kiếm dữ liệu cần thiết, quay lui và phản hồi với thông tin ở thời gian thực khi cần thiết. Mô hình này cũng có thể duyệt qua các tệp đã tải lên của người dùng, vẽ và lặp lại trên biểu đồ bằng công cụ Python, nhúng cả đồ thị và hình ảnh được tạo từ các trang web trong câu trả lời và trích dẫn các câu hoặc đoạn cụ thể từ các nguồn của nó. Kết quả của quá trình huấn luyện này là mô hình đã đạt được những thành tựu vượt trội mới trong nhiều bài đánh giá công khai tập trung vào các vấn đề thực tế.

Bài kiểm tra cuối cùng của con người

Trong Bài kiểm tra cuối cùng của con người⁠(mở trong cửa sổ mới), một bài đánh giá được công bố gần đây nhằm kiểm tra năng lực AI trên nhiều lĩnh vực khác nhau qua các câu hỏi ở cấp độ chuyên gia, mô hình trang bị tính năng nghiên cứu sâu đã đạt được kỷ lục mới với độ chính xác 26,6%. Thử nghiệm này bao gồm hơn 3.000 câu hỏi trắc nghiệm và trả lời ngắn, trải rộng trên hơn 100 lĩnh vực khác nhau, từ ngôn ngữ học đến khoa học tên lửa, từ văn học kinh điển đến sinh thái học. So với OpenAI o1, tiến bộ vượt trội lớn nhất xuất hiện trong lĩnh vực hóa học, nhân văn, khoa học xã hội và toán học. Mô hình hỗ trợ nghiên cứu sâu đã thể hiện một cách tiếp cận tương tự con người bằng cách tìm kiếm thông tin chuyên ngành một cách hiệu quả khi cần thiết.

Mô hình	Độ chính xác (%)
GPT-4o	3,3
Grok-2	3,8
Claude 3.5 Sonnet	4,3
Gemini Thinking	6,2
OpenAI o1	9,1
DeepSeek-R1*	9,4
OpenAI o3-mini (trung bình)*	10,5
OpenAI o3-mini (cao)*	13,0
Nghiên cứu sâu của OpenAI**	26,6

* Mô hình này không phải mô hình đa phương thức, được đánh giá chỉ dựa trên các tập hợp con văn bản.

**có công cụ duyệt + python

GAIA

Trên GAIA⁠(mở trong cửa sổ mới)¹, một bộ tiêu chuẩn công khai nhằm đánh giá năng lực AI về các câu hỏi trong thực tế, mô hình hỗ trợ nghiên cứu sâu này đã đạt được trình độ tiên tiến (SOTA) mới, dẫn đầu bảng xếp hạng⁠(mở trong cửa sổ mới) bên ngoài. Bao gồm các câu hỏi ở ba cấp độ khó khác nhau, việc hoàn tất thành công những nhiệm vụ này đòi hỏi các khả năng bao gồm: suy luận, sự thành thạo khi xử lý đa phương thức, khả năng duyệt web và mức độ thông thạo khi sử dụng công cụ.

GAIA
	Cấp 1	Cấp 2	Cấp 3	Trung bình
SOTA trước(mở trong cửa sổ mới)	67,92	67,44	42,31	63,64
Nghiên cứu sâu (pass@1)	74,29	69,06	47,6	67,36
Nghiên cứu sâu (cons@64)	78,66	73,21	58,03	72,57

Ví dụ về nhiệm vụ GAIA

In Nature journal's Scientific Reports conference proceedings from 2012, in the article that did not mention plasmons or plasmonics, what nano-compound is studied? Don't use the prefix nano in your answer if there is one.

[The remaining Chain-of-Thought messages and the final answer are hidden to protect the benchmark's ground truth answer.]

Làm rõ tìm kiếm

Tôi đang xâu chuỗi yêu cầu cho một viết từ năm 2012 trên tạp chí Scientific Reports mô tả chi tiết một hợp chất nano, trừ nội dung liên quan đến plasmonic. Điều này có khả năng liên quan đến việc lọc các chủ đề hoặc hợp chất cụ thể, ví dụ như bạc hoặc graphene.

Xâu chuỗi các chi tiết

Tôi đang tìm kiếm chuyên sâu cụm từ "Scientific Reports 2012 nanoparticle", nhiều khả năng là tìm kiếm các hợp chất nano. Tiếp theo là lọc bỏ các chủ đề liên quan đến plasmon, và có thể sẽ tập trung vào bạc, graphene, hoặc chấm lượng tử.

[hành động tìm kiếm]

Xem xét các bộ lọc tìm kiếm

Tôi đang tìm hiểu sâu các bộ lọc tìm kiếm nâng cao trên nature.com và tạp chí Scientific Reports cho năm 2012, cố gắng xác định chính xác các bài viết về hạt nano carbon vô định hình trong caramel thực phẩm.

Xác định các kỷ yếu hội nghị

Kết quả tìm kiếm cho thấy một kỷ yếu hội nghị có tiêu đề "Tinh thể plasmonic bán tuần hoàn 2D" từ năm 2012, có khả năng được tìm thấy trong danh mục "Kỷ yếu hội nghị" của tạp chí Scientific Reports.

[hành động duyệt xem]

Phản ảnh về các vấn đề tiềm ẩn

Tôi đang xem xét các lý do dẫn đến việc diễn giải sai lệch một trang web, có khả năng là do một loại tác nhân đã lỗi thời hoặc sự cố vô tình chặn truy cập.

[hành động duyệt xem]

Cân nhắc các tùy chọn động

Tôi đang cân nhắc đến một trang web về thiên nhiên với nội dung động hoặc một phiên bản được lưu trong bộ nhớ cache. Ngoài ra, thử tìm kiếm các cụm từ cụ thể cũng có thể hữu ích.

[hành động tìm kiếm]

Xác định chính xác các tính năng chính

OK, tôi đang xác định bốn kỷ yếu hội nghị từ năm 2012 trong tạp chí Sci Rep. Đáng chú ý là một số có đề cập đến "plasmonic" và nên được loại trừ.

[hành động duyệt xem]

Xâu chuỗi các phân tích chuyên sâu

Tôi đang thu thập thông tin về việc truy cập các phiên bản được lưu trong bộ nhớ cache hoặc phần mở rộng của đoạn trích cho các tiêu đề cụ thể để đảm bảo phân tích toàn diện.

[hành động tìm kiếm]

Kết hợp các chi tiết

Tôi đang theo dõi tiến triển từ Hội nghị Mùa xuân của Hiệp hội nghiên cứu Vật liệu Châu Âu năm 2012 đến báo cáo khoa học, tập trung vào các kỷ yếu hội nghị. Cách tiếp cận này giúp thiết lập bối cảnh và tính liên quan.

[hành động tìm kiếm]

Theo dõi các manh mối từ tạp chí

Đang kết nối các kỷ yếu hội nghị từ cuối năm 2012 với tạp chí "Scientific Reports", tập trung vào các vật liệu plasmonic bán tuần hoàn 2D. Cách tiếp cận này có vẻ rất bài bản và chính xác.

[hành động tìm kiếm]

Phân tích các chi tiết sự kiện

Lưu ý rằng kết quả tìm kiếm [8] bao gồm một trang có khả năng tóm tắt Hội nghị Mùa xuân của Hiệp hội nghiên cứu Vật liệu Châu Âu 2012, bao gồm 25 hội nghị chuyên đề.

[hành động duyệt xem]

Xâu chuỗi nghiên cứu

Tôi đang kiểm tra một trang có vẻ là trang tổng hợp có 4 bài viết, tập trung vào các chủ đề về plasmonic và siêu vật liệu, đồng thời xác định các tài liệu tham khảo chính từ Hội nghị Mùa xuân 2012 của Hiệp hội nghiên cứu Vật liệu Châu Âu.

[hành động duyệt xem]

Xác định chính xác trọng tâm

Tôi đang tập trung vào các kỷ yếu hội nghị 2012 trên tạp chí "Scientific Reports" của E-MRS, có khả năng liên quan đến các chủ đề như "tinh thể plasmonic bán tuần hoàn 2D" và "lớp phủ plasmonic để điều chỉnh tán xạ quang học ở cấp độ nano".

[hành động duyệt xem]

Đánh giá các nguồn thư viện

Đang cân nhắc đến bài báo mời của Monticone trên số đặc biệt của tạp chí Sci Rep cho hội nghị E-MRS 2012 và phòng thí nghiệm siêu vật liệu tại mục Lưu trữ tin tức – năm 2012.

[hành động duyệt xem]

Đánh giá khả năng tiếp cận

Tôi đang thu thập thông tin về các vấn đề tiềm ẩn khi truy cập trang web, có tính đến tình trạng lỗi thời hoặc bị chặn. Ngoài ra, đang đánh giá trang web Monticone để tham khảo danh sách.

[hành động duyệt xem]

Xâu chuỗi E-MRS 2012

Tôi đang tìm cách liên kết "Lớp phủ plasmonic" với E-MRS 2012. Cân nhắc các chủ đề có khả năng khác như graphene và xúc tác.

[hành động duyệt xem]

Xác định các chủ đề liên quan

Tôi đang thu thập thông tin về các chủ đề như graphene, quang điện và các hợp chất cấu trúc nano, nhưng trừ các hợp chất liên quan đến plasmonic. Điều này khiến tôi tập trung vào các khía cạnh công nghệ nano một cách bao quát hơn.

[hành động duyệt xem]

Điều chỉnh trọng tâm của tôi

Tôi đang mở rộng các thông số tìm kiếm bằng cách nhập mã định danh cụ thể của trang web và nhà nghiên cứu để xác định chính xác các bài viết về tinh thể plasmonic bán tuần hoàn 2D trên tạp chí Nature Scientific Reports từ năm 2012.

[hành động tìm kiếm]

Xác định các khả năng không liên quan đến plasmonic

Tôi đang thu hẹp phạm vi tìm kiếm để xác định các bài viết từ số đặc biệt E-MRS năm 2012 trên tạp chí Scientific Reports. Việc này bao gồm kiểm tra tiêu đề bài viết về các chủ đề không liên quan đến plasmonic, như graphene hoặc oxit chức năng. Tiến triển thể hiện rõ rệt thông qua các tìm kiếm tập trung và loại trừ bài viết về plasmonic.

[hành động tìm kiếm]

Xâu chuỗi các manh mối

Tôi đang phân tích các tương tác trong một siêu mạng graphene, có khả năng là từ một bài viết trên tạp chí Sci Rep. Cân nhắc các tiêu đề của những tác giả như Padooru, Yakovlev, Chen và Alu.

[hành động tìm kiếm]

Xâu chuỗi câu đố

Tôi đang thu thập thông tin về kỷ yếu hội nghị trên tạp chí Sci Rep của Hội nghị Mùa xuân 2012 của Hiệp hội nghiên cứu Vật liệu Châu Âu, tập trung vào các bài báo được mời, không có hiện tượng plasmonic. Các loại đang được xem xét gồm graphene, xúc tác, vật liệu năng lượng, y học nano và cảm biến.

[hành động tìm kiếm]

Nhiệm vụ cấp độ chuyên gia

Trong một đánh giá nội bộ về các nhiệm vụ cấp độ chuyên gia trên nhiều lĩnh vực, các chuyên gia trong ngành đã nhìn nhận rằng tính năng nghiên cứu sâu đã tự động hóa được nhiều giờ nghiên cứu thủ công vốn rất khó khăn.

Tỷ lệ thành công và Số lệnh gọi công cụ tối đa

Mô hình duyệt xem và suy nghĩ càng nhiều về những nội dung được duyệt thì càng cho kết quả tốt hơn, đó là lý do tại sao việc cho mô hình thời gian để suy nghĩ lại quan trọng.

Ví dụ về nhiệm vụ cấp độ chuyên gia

Thời gian tiết kiệm cho nhiệm vụ: 4 giờ

I am a researcher interested in bringing mixed-gas sorption capabilities to my lab. Please discuss the differences between pure- and mixed-gas sorption for glassy polymers, how the dual-mode sorption model can be used to predict mixed-gas sorption behavior in glassy polymers (include equations where applicable), and what challenges there are in accurately predicting pure- and mixed-gas sorption using the dual-mode sorption model. Only include open-source information as of October 1, 2024.

Pure vs. mixed-gas sorption in glassy polymers: In a glassy polymer (below $T_g$ ), a single gas typically exhibits a concave sorption isotherm: uptake rises sublinearly with pressure, unlike the linear Henry’s-law behavior above $T_g$ . This is attributed to “dual-mode” sorption: some penetrant dissolves in the dense polymer matrix (obeying Henry’s law) while additional penetrant saturates specific microvoid “sites” (a Langmuir-type adsorption in the polymer’s nonequilibrium free volume). By contrast, when two or more gases are present, they compete for those limited Langmuir sorption sites. As a result, each component’s sorbed concentration in a mixture is generally lower than it would be at the same partial pressure alone. In particular the less soluble (lower-affinity) gas tends to be more strongly suppressed, often causing the mixed-gas solubility selectivity (ratio of concentrations) to exceed the ideal value predicted from pure-gas isotherms. For example, in CO₂/CH₄ mixtures both components sorb less than in their pure-gas cases (especially CH₄), so the CO₂/CH₄ sorption selectivity is higher under mixture conditions. In extreme cases, mixed-gas effects can even reverse performance trends observed with single gases. (We note that unlike competitive sorption, synergistic sorption – where one gas increases the sorption of another via polymer swelling – is usually minor in rigid high-free-volume polymers under moderate pressures.)

Dual-mode sorption model and mixed-gas prediction: The dual-mode sorption (DMS) model quantitatively captures glassy polymer sorption by superposing a Henry’s-law term and a Langmuir term. For a single gas, the sorbed concentration $C$ (e.g. in cm³(STP) gas per cm³ polymer) is written as:

$C(p) = k_D\,p \;+\; \frac{C'_H\,b\,p}{\,1 + b\,p\,}\,.$

Here $k_D$ is the Henry’s law coefficient for dissolution, $C'_H$ is the Langmuir capacity constant (proportional to the polymer’s unrelaxed free-volume or “hole” capacity), and $b$ is the Langmuir affinity constant. This empirical formula yields the characteristic concave isotherm of glassy polymers and reduces to simple Henry’s law at the glass-transition (since $C'_H \to 0$ as $T \to T_g$ ). The same three parameters ( $k_D, C'_H, b$ ) are obtained by fitting pure-gas sorption data and are then used to predict mixture sorption. For a binary mixture of gases A and B (with partial pressures $p_A, p_B$ ), the DMS model assumes each gas obeys its own Henry’s term and that both compete for the same Langmuir sites. One convenient form is to write the total sorbed concentration as the sum of contributions from each gas:

$C_{\text{tot}} = k_{D,A}p_A + k_{D,B}p_B \;+\; \frac{\,C'_{H,A}\,b_A\,p_A \;+\; C'_{H,B}\,b_B\,p_B\,}{\,1 + b_A p_A + b_B p_B\,}\,,$

which implicitly means the concentration of component i in the mixture is $C_i = k_{D,i} p_i + \frac{C'_{H,i} b_i p_i}{\,1+\sum_j b_j p_j\,}$ . This reduces to the single-gas formula when the other component’s pressure is zero. In practice, partial pressure in these equations is often replaced by fugacity for accuracy at high pressures, though using fugacities or pressures gives nearly the same results if applied consistently. The DMS mixed-gas model predicts the competitive sorption effect observed experimentally – namely, each gas’s uptake is depressed relative to its pure-gas sorption isotherm.

Challenges and limitations: Although the dual-mode model is widely successful in correlating sorption data, it has notable limitations in predicting sorption behavior. First, the DMS model is empirical – its fitted parameters are not universal constants but can vary with polymer formation history, physical aging, and temperature/pressure range. This means a parameter set obtained under one set of conditions may lack predictive power outside its calibration range. For instance, sorption isotherms measured only over a limited pressure range can be fit well by DMS, but extrapolating beyond that (especially approaching plasticization pressures) may be unreliable. Indeed, multiple distinct combinations of $k_D$ , $C'_H$ , $b$ can sometimes fit the same pure-gas isotherm almost equally well – yet they yield markedly different mixed-gas predictions. This sensitivity undermines confidence in mixture forecasts, as one study showed that using different pure-gas fit sets led to only qualitative agreement with some mixed-CO₂/CH₄ data.

Furthermore, DMS inherently assumes a fixed population of Langmuir sites (microvoids) and ignores polymer relaxation or swelling induced by sorbate. In reality, penetrant-induced swelling (plasticization) can increase free volume and sorption capacity, especially for highly condensable gases at high activity – an effect the basic DMS model cannot capture. In binary sorption, this means any synergistic increase in sorption due to a second gas (or due to polymer dilation) is unaccounted for in the standard model. Conversely, the model also cannot describe sorption isotherm shapes that deviate from concave Langmuir-type behavior (e.g. sigmoidal isotherms caused by specific polymer-penetrant interactions or clustering). For example, glassy polymers absorbing polar molecules like alcohols can show sigmoidal sorption isotherms, which the simple dual-mode framework fails to represent. Finally, accurately measuring mixed-gas sorption itself is challenging, and discrepancies between idealized model assumptions (e.g. truly zero downstream pressure, no competitive diffusion limitations) and experimental realities can add to prediction error. Despite these challenges, the dual-mode sorption model – with appropriate care – remains a valuable first approximation for interpreting sorption in glassy polymers, and it highlights the key role of competitive site occupancy in mixed-gas environments. Researchers often turn to more elaborate models (e.g. non-equilibrium lattice fluid or thermodynamic theories) when the dual-mode model’s assumptions break down, but such models come at the cost of additional parameters or complexity. In summary, dual-mode sorption provides a useful baseline for pure- and mixed-gas sorption in glassy polymers, but one must be mindful of its empirical nature and the above limitations when predicting multicomponent sorption behavior in practice.

Sources: Dual-mode sorption model and mixed-gas extension; competitive sorption effects in mixtures; model equations and parameters; limitations of DMS model; parameter sensitivity and predictivity issues.

Hiểu rõ các mô hình hấp thụ

Tôi đang thu thập thông tin về sự hấp thụ khí tinh khiết và hỗn hợp khí trong các polyme dạng thủy tinh, tập trung vào mô hình hấp thụ hai chế độ và xử lý các thách thức trong việc mô hình hóa các dự đoán.

[hành động tìm kiếm]

Đánh giá việc truy cập mở

Ok, để tôi xem nào. Kết quả nghiên cứu của MDPI về sự hấp thụ hỗn hợp khí trong polyme dạng thủy tinh có lẽ là tài liệu truy cập mở.

[hành động duyệt xem]

Kiểm tra các phần
Tôi đang tổng hợp những phân tích chuyên sâu từ Mô hình hấp thụ hai chế độ và phần phân tích mở rộng của nó trong bài báo của MDPI.

[hành động duyệt xem]

Làm rõ các thuộc tính quan trọng

Tôi đang kiểm tra báo cáo thí nghiệm để hiểu rõ về hằng số định luật Henry, hằng số ái lực Langmuir và hằng số dung lượng Langmuir, nhằm mô tả sự hấp thụ khí.

[hành động duyệt xem]

Xâu chuỗi

Tôi đang xem xét khả năng "Phương trình (3)" và "Phương trình (4)" có thể là hình ảnh hoặc dạng hiển thị công thức, đồng thời cân nhắc tham khảo tài liệu PDF hoặc tìm kiếm các tài liệu tham khảo trước đó để hiểu rõ hơn về chúng.

[hành động duyệt xem]

Xác nhận mức độ liên quan tiêu đề

Tôi đang xác minh xem tài liệu của Freeman và Koros (1980) có khớp chính xác với tài liệu tham khảo có tiêu đề “Mô hình hấp thụ khí hỗn hợp trong polyme dạng thủy tinh“ hay không, bằng cách kiểm tra phần tóm tắt và tiêu đề của nó.

[hành động tìm kiếm]

Kiểm tra kết nối bài viết

Tôi nhận thấy kết quả từ "pmc.ncbi.nlm.nih.gov" có khả năng cũng chính là bài viết MDPI đó, và đang muốn xem liệu nó trình bày toàn văn hay là một phiên bản rút gọn.

[hành động duyệt xem]

Thu thập thông tin

Tôi đang thu thập thông tin về sự hấp thụ khí tinh khiết và khí hỗn hợp trong polyme dạng thủy tinh. Đây là một bước quan trọng để hiểu rõ hành vi của vật liệu dưới các môi trường khí khác nhau.

[hành động tìm kiếm]

So sánh sự hấp thụ khí

Tôi nhận thấy rằng sự hiện diện của carbon dioxide (CO2) trong hỗn hợp ảnh hưởng đến sự hấp thụ methane trong polyme, làm giảm khả năng hấp thụ methane so với trường hợp chỉ có khí methane tinh khiết.

[hành động duyệt xem]

Liên kết các khái niệm

Tôi đang xem xét thuật ngữ "hỗn hợp phương trình chế độ kép mở rộng" có thể liên quan như thế nào đến các phương trình của cáp siêu dẫn chế độ kép. Điều này cho thấy tiềm năng kết nối các khái niệm giữa những lĩnh vực khác nhau.

[hành động tìm kiếm]

Yêu cầu các chi tiết để xem xét

Tôi cũng ghi nhận yêu cầu xem xét tài liệu "Các lý thuyết về hấp thụ và Vận chuyển trong Màng Polyme".

[hành động duyệt xem]

Kiểm tra liên kết tài liệu PDF

Hiện tôi đang quan tâm đến Kết quả [2] và xem xét kỹ hơn đoạn trích, trong đó đề cập đến việc mở rộng một mô hình hấp thụ chế độ kép cho hỗn hợp nhị phân và biểu diễn nồng độ của chất A theo áp suất riêng phần cùng các hằng số.

[hành động tìm kiếm]

Dự đoán hành vi hấp thụ

Mô hình chế độ kép này dự đoán rằng việc thêm một khí thứ hai sẽ làm giảm khả năng hấp thụ ở một mức áp suất riêng phần không đổi, không giống như trường hợp của khí tinh khiết.

[hành động duyệt xem]

Tìm tài liệu PDF

Tôi đang thu thập thông tin từ tài liệu PDF trên trang nature.com, có thể là một bài viết cũ của Yampol'ski, nhưng đồng thời cũng đang cân nhắc các nguồn thay thế như kho lưu trữ của Đại học Texas tại Austin để tìm đoạn văn bản cần thiết.

[hành động duyệt xem]

Đánh giá các tùy chọn kho lưu trữ

Tuy nhiên, tôi vừa phát hiện ra rằng kết quả từ kho lưu trữ của UT có thể không hiển thị chính xác. Tìm kiếm bên trong kho này sẽ không chắc chắn. Ngoài ra, kết quả [3] cung cấp một đoạn trích mô tả mô hình hấp thụ hỗn hợp hai chế độ, giải thích các hiệu ứng cạnh tranh và tính phù hợp của mô hình này trong việc mô phỏng dữ liệu thực nghiệm.

[hành động tìm kiếm]

Tinh chỉnh trọng tâm

Hiện tôi đang điều chỉnh phương pháp tiếp cận của mình để đảm bảo việc tìm kiếm thông tin nhắm đúng với bối cảnh phù hợp.

[hành động tìm kiếm]

Hiểu rõ các mô hình hấp thụ

Tôi cũng đang phân tích chi tiết mô hình hấp thụ hai chế độ đối với các khí tinh khiết: Cơ chế hòa tan Henry và cơ chế lấp đầy vi lỗ Langmuir Đối với khí hỗn hợp, sự hấp thụ cạnh tranh và các yếu tố phi lý tưởng được đặc biệt chú trọng.

[hành động tìm kiếm]

Khám phá hero.epa.gov

Xem xét kỹ lưỡng nội dung hoặc phần tóm tắt có thể có từ trang hero.epa.gov.

[hành động duyệt xem]

Tinh chỉnh mô hình

Tôi đang thu thập các phân tích chuyên sâu về sự hấp thụ của khí đơn thành phần và khí hỗn hợp, có cân nhắc đến các yếu tố như cạnh tranh, hiện tượng hóa dẻo và độ ổn định của tham số. Đang tích hợp dữ liệu khí hỗn hợp để có các dự đoán chính xác hơn.

[hành động duyệt xem]

Giải quyết các thách thức mô hình hấp thụ kép

Sự ghép cặp tham số và tính không duy nhất của chúng ảnh hưởng đến kết quả dự đoán. Không xem xét các thay đổi về điều kiện vật liệu polyme có thể dẫn đến những bỏ sót quan trọng.

[hành động duyệt xem]

Định lượng độ lệch

Tôi đang tiến hành định lượng độ hòa tan không lý tưởng của CO2-CH4 trong màng 6FDA-mPDA, qua đó chỉ ra các ảnh hưởng của hỗn hợp khí đến độ hòa tan. Sự hấp thụ cạnh tranh không phải là nguyên nhân duy nhất dẫn đến suy giảm độ chọn lọc thấm khí.

[hành động duyệt xem]

Kết hợp các tài liệu tham khảo

Hiện tôi đang thu thập các tài liệu trích dẫn, tập trung vào những nguồn tài liệu nguồn mở như công trình của MDPI 2019 và Vopicka 2014, nhằm hỗ trợ thảo luận về những khác biệt và thách thức trong mô hình hai chế độ đối với sự hấp thụ khí trong màng polyme.

[hành động duyệt xem]

Đề xuất các phần

Tôi đang tổ chức các mục về quá trình hấp thụ khí tinh khiết và hỗn hợp khí, tìm hiểu mô hình hấp thụ hai chế độ, và trình bày chi tiết các thách thức như tính bất định của tham số và việc dự đoán khí hỗn hợp.

Sắp xếp tổ chức nội dung

Tôi đang tập trung vào mô hình hấp thụ hai chế độ, mô tả cặn kẽ các hành vi hấp thụ của khí tinh khiết và hỗn hợp, đồng thời nhấn mạnh những khác biệt chính yếu cũng như các thách thức liên quan bằng các gạch đầu dòng và các mục có cấu trúc để làm rõ.

[hành động tìm kiếm]

Lựa chọn trích dẫn

Ok, để tôi xem nào. Tôi đang tìm hiểu về các mục [3], [20], [22] và [21] để có phân tích chuyên sâu rõ ràng về hấp thụ hai chế độ và hỗn hợp khí.

Lập sơ đồ các tham số

Tôi đang xâu chuỗi lại các tên tham số để tránh nhầm lẫn. Bám sát các mục (k), (C_H') và (b) cho rõ ràng. Các phương trình cho khí tinh khiết và hỗn hợp được định dạng chi tiết và rõ ràng.

Giải quyết các thách thức

Hiện tôi đang xử lý các vấn đề phức tạp như khớp tham số đa nghiệm, hiện tượng hóa dẻo của polyme và ảnh hưởng của yếu tố thời gian. Chính những yếu tố tinh vi này khiến cho việc dự đoán khả năng hấp thụ của khí tinh khiết và hỗn hợp trở nên không dễ dàng.

Xâu chuỗi

Tôi đang cấu trúc các mục nội dung về những khác biệt trong cơ chế hấp thụ, mô hình hai chế độ cho khí tinh khiết, việc mở rộng mô hình này cho hỗn hợp khí, và các thách thức liên đới. Sự tiến triển này có vẻ hợp lý và hiệu quả.

Tỷ lệ thành công với các tác vụ cấp độ chuyên gia theo giá trị kinh tế ước tính

Tỷ lệ thành công với các tác vụ cấp độ chuyên gia theo số giờ ước tính

Giá trị kinh tế ước tính của tác vụ có mối tương quan với tỷ lệ thành công nhiều hơn là số giờ mà con người phải dành ra – những việc mà mô hình thấy khó khăn sẽ khác với những việc mà con người thấy tốn thời gian.

Hạn chế

Nghiên cứu sâu sẽ mở ra nhiều năng lực mới đáng kể, nhưng hiện vẫn còn ở giai đoạn sơ khai và tồn tại nhiều hạn chế. Đôi khi tính năng này có thể "bịa đặt" thông tin trong các phản hồi hoặc đưa ra suy luận không chính xác, dù theo đánh giá nội bộ, tỷ lệ này thấp hơn đáng kể so với các mô hình ChatGPT hiện có. Tính năng này có thể gặp khó khăn trong việc phân biệt thông tin đáng tin cậy với tin đồn, và hiện đang thể hiện điểm yếu trong việc hiệu chuẩn độ tin cậy, thường không thể truyền tải sự không chắc chắn một cách chính xác. Vào thời điểm ra mắt, có thể xuất hiện một số lỗi định dạng nhỏ trong báo cáo và trích dẫn, đồng thời các tác vụ có thể cần nhiều thời gian hơn để khởi động. Chúng tôi kỳ vọng tất cả những vấn đề này sẽ nhanh chóng được cải thiện theo thời gian và khi tính năng được sử dụng nhiều hơn.

Truy cập

Tính năng nghiên cứu sâu trong ChatGPT đòi hỏi năng lực tính toán rất cao. Thời gian xử lý truy vấn nghiên cứu càng dài, càng cần nhiều tài nguyên tính toán. Hôm nay, chúng tôi sẽ bắt đầu với phiên bản được tối ưu hóa cho người dùng Pro, với giới hạn lên đến 100 truy vấn mỗi tháng. Tiếp theo, người dùng Plus và Team sẽ được quyền truy cập, sau đó là người dùng Enterprise. Chúng tôi vẫn đang nỗ lực để cung cấp quyền truy cập cho người dùng tại Vương quốc Anh, Thụy Sĩ và Khu vực Kinh tế Châu Âu (EEA).

Tất cả người dùng trả phí sẽ sớm nhận được hạn mức sử dụng cao hơn đáng kể khi chúng tôi ra mắt phiên bản nghiên cứu sâu nhanh hơn, hiệu quả hơn về chi phí, được vận hành bởi một mô hình nhỏ gọn hơn nhưng vẫn đảm bảo kết quả chất lượng cao.

Trong những tuần và tháng tới, chúng tôi sẽ tiếp tục hoàn thiện cơ sở hạ tầng kỹ thuật, theo dõi sát phiên bản hiện tại và tiến hành các thử nghiệm nghiêm ngặt hơn. Điều này phù hợp với nguyên tắc triển khai lặp của chúng tôi. Nếu mọi khâu kiểm tra an toàn tiếp tục đáp ứng tiêu chuẩn phát hành, chúng tôi dự kiến sẽ cung cấp tính năng nghiên cứu sâu cho người dùng Plus sau khoảng một tháng nữa.

Kế hoạch tiếp theo

Tính năng Nghiên cứu sâu hiện đã có mặt trên phiên bản web của ChatGPT và sẽ được triển khai cho các ứng dụng di động cũng như máy để bàn trong tháng này. Hiện tại, Nghiên cứu sâu có thể truy cập web mở và tệp bất kỳ do người dùng tải lên. Trong tương lai, bạn sẽ có thể kết nối với nhiều nguồn dữ liệu chuyên biệt hơn—mở rộng khả năng truy cập của tính năng này tới các tài nguyên yêu cầu gói đăng ký trả phí hoặc tài nguyên nội bộ—nhằm giúp kết quả đầu ra thậm chí còn mạnh mẽ và được cá nhân hóa hơn nữa.

Hướng đến tương lai xa hơn, chúng tôi hình dung những trải nghiệm của tác nhân kết hợp với nhau trong ChatGPT để nghiên cứu và thực thi không đồng bộ, trong đời thực. Sự kết hợp giữa Nghiên cứu sâu, với khả năng điều tra trực tuyến không đồng bộ, và Operator, có khả năng thực hiện hành động thực tế, sẽ cho phép ChatGPT đảm nhận các tác vụ ngày càng phức tạp hơn.

Phụ lục ngày 3 tháng 2 năm 2025: Chúng tôi đã tiến hành kiểm thử an toàn nghiêm ngặt, đánh giá mức độ sẵn sàng và xem xét về quản trị đối với phiên bản đầu của o3 (trang bị nghiên cứu sâu), và xác định mức độ rủi ro ở mức Trung bình⁠(mở trong cửa sổ mới). Chúng tôi cũng đã thực hiện thêm các kiểm thử an toàn bổ sung để hiểu rõ hơn về những rủi ro gia tăng liên quan đến khả năng duyệt web của Nghiên cứu sâu, đồng thời đã bổ sung các biện pháp giảm thiểu mới. Chúng tôi sẽ tiếp tục kiểm thử kỹ lưỡng và giám sát chặt chẽ phiên bản phát hành giới hạn hiện tại. Chúng tôi sẽ chia sẻ những phân tích chuyên sâu về an toàn cũng như các biện pháp bảo vệ cho nghiên cứu sâu trong một thẻ thông tin hệ thống khi mở rộng quyền truy cập cho người dùng Plus.

Ghi chú cuối trang

1
Chúng tôi thấy rằng các câu trả lời dựa trên sự thật cho bộ dữ liệu này đã bị rò rỉ rộng rãi trên mạng và đã chặn một số trang web hoặc URL tương ứng để đảm bảo đánh giá công bằng của mô hình.

Tác giả

OpenAI

Trưởng nhóm nghiên cứu

Isa Fulford, Zhiqing Sun

Người đóng góp chủ chốt

Alex Tachard Passos, Alexandra Barr, Allison Tam, Charlotte Cole, Hyung Won Chung, Jason Wei, Jon Blackman, Scott Mayer McKinney, Valerie Qi

Người đóng góp chính

Nghiên cứu

Elaine Ya Le, Eric Mitchell, Eric Wallace, Hyung Won Chung, Ignasi Clavera, Leo Liu, Lorenz Kuhn, Louis Feuvrier, Max Schwarzer, Saachi Jain, Scottie Yan, Shunyu Yao, Vitchyr Pong

Triển khai

Carpus Chang, Harry Zhao, Joseph Trasatti, Joshua Dickens, Matt Kaufer, Mike Trpcic, Minnia Feng, Neel Ajjarapu, Peter Vidani, Sean Fitzgerald

Người đóng góp

Nghiên cứu

Ahmed El-Kishky, AJ Ostrow, Alexander Wei, Andrei Gheorghe, Andrew Kondrich, Andrey Mishchenko, Anuj Nair, Behrooz Ghorbani, Brydon Eastman, Chak Li, Foivos Tsimpourlas, Francis Song, Giambattista Parascandolo,Gildas Chabot, Hessam Bagherinezhad, Haitang Hu, Hongyu Ren, Henry Aspegren, Hunter Lightman, Ilya Kostrikov, Ilge Akkaya, James Lennon, Jean Harb, Jonathan Ward, Kai Chen, Katy Shi, Kevin Liu, Kevin Yu, Manuka Stratta, Marvin Zhang, Mengyuan Yan, Mostafa Rohaninejad, Noam Brown, Phoebe Thacker, Raz Goan, Reah Miyara, Spencer Papay, Taylor Gordon, Wenda Zhou, Wenlei Xie, Yash Patil, Yann Dubois, Youlong Cheng, Yushi Wang, Wyatt Thompson

+ tất cả người đóng góp cho o3.

Hệ thống an toàn

Adam Kalai, Alex Beutel, Andrea Vallone, Andy Applebaum, David Robinson, Elizabeth Proehl, Evan Mays, Grace Zhao, Irina Kofman, Jason Phang, Joaquin Quinonero Candela, Joel Parish, Kevin Liu, Kristen Ying, Lama Ahmad, Leon Maksin, Leyton Ho, Meghan Shah, Michele Wang, Miles Wang, Phillip Guo, Olivia Watkins, Owen Campbell-Moore, Patrick Chao, Sam Toizer, Samuel Miserendino, Sandhini Agarwal, Tejal Patwardhan, Tina Sriskandarajah, Troy Peterson, Yaodong Yu, Yunyun Wang

Triển khai

Adam Koppel, Adam Wells, Adele Li, Andy Applebaum, Andrey Malevich, Andrew Duberstein, Andrew Howell, Anton Tananaev, Ashley Tyra, Brandon Walkin, Bryan Ashley, Cary Bassin, Cary Hudson, Cory Decareaux, Cristina Scheau, Derek Chen, Dibya Bhattacharjee, Drea Lopez, Eric Antonow, Eric Burke, Filippo Raso, Fotis Chantzis, Freddie Sulit, Harris Cohen, Heather Whitney, Jay Dixit, Jeffrey Han, Jen Robinson, Jessica Shieh, Joel Parish, Kan Wu, Kevin Gladstone, Kshitij Wadhwa, Leo Vandriel, Leyton Ho, Liang Chen, Madeline Christian, Mamie Rheingold, Matt Jones, Michelle Fradin, Mike McClay, Mingxuan Wang, Nacho Soto, Niko Felix, Patrick Delaney, Paul McMillan, Philip Pronin, Rodrigo Riaza Perez, Samuel Miserendino, Scott Ethersmith, Steven Baldwin, Thomas Dimson, Tomo Hiratsuka, Yaming Lin, Yara Khakbaz, Yining Chen

Lãnh đạo

Akshay Nathan, Greg Brockman, Hannah Wong, Jakub Pachocki, Jerry Tworek, Johannes Heidecke, Josh Tobin, Liam Fedus, Mark Chen, Mia Glaese, Nick Turley, Sam Altman, Wojciech Zaremba