GPT-4: 从“百科全书”逐步成为文理通吃的“专家”

相较于过去的GPT系列模型，GPT-4在更多应用L域成为专家，包括为机器学习模型评判标准和为人类设计的专业测试。

在为机器学习模型设计的传统基准上，GPT-4的表现大大优于了目前的好的语言模型，以及大多数SOTA模型

相较于GPT-3.5以及当前好的语言模型，GPT-4在机器学习模型学术基准数据集上的表现实现了全面突破，在7项数据集中的测试 均优于当前优的语言模型。除了在Drop基准数据集上与QDGAT模型有一定差距，GPT-4在其余6项基准数据集的测试都实现了当前 世界优秀的性能。在MMLU数据集中，GPT-4不仅在英语语言上的性能实现了突破，在其他语言方面的表现也优于现在的语言模型。

在为人类设计的各种专业测试和学术基准数据集中，GPT-4展现出媲美甚至优于人类的水平。

GPT-3.5模型在一些相对简单的人类专业测试中已经展现出不错的性能，但当任务的复杂度上升后，其便难以处理，而GPT-4模型在 一些相对困难的任务中也已经取得相当优异的性能，例如其在模拟律师考试中取得了应试者中前10%的成绩，而GPT-3.5模型只有倒数 10%的成绩，甚至在GPT-3.5难以处理的如AP Calculus BC（AP微积分）考试中，GPT-4的水平也已经超过40%的应试者。