GPT-4 进行的部分考试 Uniform Bar Exam SAT Math

GPT-4 在处理复杂的文本任务时表现出了比 GPT-3.5 更强的优势。 OpenAI 团队分别对 GPT-4 和 GPT-3.5 在多个人类考试上进行了测试。OpenAI 团队并没有 针对这些考试专门训练 GPT-4，并且在测试过程中，如果发现某个考试中有和训练数据重 复的问题，研究人员会剔除重复问题并生成新的考试变体，再次对模型进行测试，并取两 次考试中的低分作为终成绩。结果显示，在大多数考试中，尤其是与数学和推理相关 的考试中，GPT-4 相比于 GPT-3.5 有了显著提升，在学术和专业测试中甚至能够达到与人 类相当的水平。