GPT-4.5接受了各种数据集的培训，包括多种可公开的数据，来自数据合作伙伴关系的专有数据以及内部开发的自定义数据集。这些数据集共同为模型的强大对话能力和世界知识做出了贡献。但是，有关信息的确切数据集的具体详细信息在可用信息中未明确提及。
培训过程涉及新的监督技术，结合了传统方法，例如监督微调(SFT)和从人类反馈(RLHF)学习，类似于GPT-4O [1] [3]。该模型的开发还包括可扩展的对准技术，其中较小的模型为较大模型生成了高质量的训练数据，从而增强了模型的可施加性和对细微差别的理解[7]。
OpenAI的数据处理管道包括严格的过滤，以保持数据质量并减轻潜在风险。他们采用先进的数据过滤过程来减少训练模型时的个人信息处理。此外，他们结合了适度API和安全分类器来防止使用有害或敏感的内容[1]。
尽管没有详细说明确切的数据集，但该方法强调了一个广泛而多样的数据基础，以支持GPT-4.5在诸如写作，编程和解决幻觉较少的实用问题等任务中的功能[1] [3]。
引用：
[1] https://cdn.openai.com/gpt-4-5-system-card.pdf
[2] https://towardsdatascience.com/what-gpt-4-brings-to-the-ai-table-74e392a32ac3/
[3] https://www.lesswrong.com/posts/fqajgqcpmgehkoee6/openai-releases-gpt-4-5
[4] https://www.chatbase.co/blog/gpt-5
[5] https://www.wired.com/story/openai-gpt-45/
[6] https://www.datacamp.com/blog/everything-we-know-about-gpt-5
[7] https://www.vellum.ai/blog/gpt-4-5-is-here-heres-hores-how-good-------------这是this-model-is
[8] https://arxiv.org/html/2404.07840v1