ChatGPT（Conversational Hierarchy and Transfer Learning based GPT）是一种基于层次化对话和迁移学习的GPT模型。ChatGPT模型具有以下特点及技术：

1. 基于层次化对话：ChatGPT模型通过引入层次化对话结构，可以根据上下文上下文信息更好地理解用户意图。ChatGPT模型通过将对话划分为多个层次，每一个层次都有区别的任务，最后将层次结果进行整合，以此来到达更好的对话效果。

2. 迁移学习：ChatGPT模型利用预训练的大型语言模型，如BERT等进行预训练。通过迁移学习的方式，可以将预训练的模型参数导入到ChatGPT模型中，从而在训练中加速网络的收敛，提高了模型的效果。

3. 对话生成：ChatGPT模型采取基于生成式的方法生成对话，可以根据用户的输入自动生成回应，提高了自然语言处理的效果。ChatGPT还具有多种生成策略，如贪心策略、束搜索等，可以根据情况选择对话生成策略。

4. 注意力机制：ChatGPT模型采取自注意力机制，可以对输入的序列进行建模，从而更好地理解序列中的信息。ChatGPT模型在解码器中也增加了多头注意力机制，可以更好地对区别层次的对话信息进行处理。

5. 语义匹配：ChatGPT模型采取语义匹配技术，可以将用户输入与模型的内部模式进行匹配，从而更好地理解用户的意图。ChatGPT模型可以通过获得大量数据集，可以从中学习到语言的普遍使用规律，从而更好地进行语义匹配。

6. 零样本学习：ChatGPT模型采取零样本学习技术，可以在没有人工标注的数据的情况下学习到对话模式。ChatGPT模型可以从大型语料库中学习语言模式，从而在没有很多数据的情况下学习到对话模式，提高了模型的泛化能力。

7. NLU任务：ChatGPT模型还支持自然语言理解（NLU）任务，可以从用户的输入中提取出任务所需要的信息。ChatGPT模型可以通过预训练语言模型和对话历史来辅助实现NLU任务，从而提高了对话系统的精度。

总结而言，ChatGPT是一种基于层次化对话和迁移学习的GPT模型，具有了自然语言生成、注意力机制、语义匹配、零样本学习和NLU任务等功能，可以实现更好的对话效果。