GPT-4.5 ir GPT-4 abu turi galimybes tvarkyti sudėtingas užduotis, įskaitant eksperimentinių sąlygų optimizavimą. Tačiau konkrečios informacijos apie GPT-4.5 našumą šioje srityje nėra plačiai dokumentuota turimoje literatūroje. Štai palyginimas, pagrįstas tuo, kas žinoma apie GPT-4, ir bendrus GPT-4.5 patobulinimus:
GPT-4 galimybės
GPT-4, kaip ir jo pirmtakai, parodo didelį mokslinių programų potencialą, įskaitant eksperimentinių sąlygų optimizavimą. Atliekant cheminius tyrimus, GPT-4 parodė galimybę nuspėti tokias savybes kaip virimo taškai ir redokso potencialas stebėtinai tiksliai, panaudodamas savo didžiules jau egzistuojančias žinias ir keletą šūvių mokymosi galimybių [2]. Pavyzdžiui, GPT-4 gali efektyviau numatyti etanolio virimo tašką nei tradiciniai Bajeso optimizavimo metodai, naudodama ankstesnes žinias apie tipinius virimo taškų diapazonus [2]. Tai rodo, kad GPT-4 gali efektyviai padėti nustatyti pradines eksperimentų sąlygas, potencialiai supaprastinti tyrimų procesą.
GPT-4.5 patobulinimai
GPT-4.5 yra atnaujinta GPT-4 versija, skirta pagerinti saugumą ir našumą atliekant įvairias užduotis. Nors konkretūs eksperimentinių sąlygų optimizavimo patobulinimai nėra išsamūs, GPT-4.5 paprastai siūlo geresnes saugos funkcijas ir galimai patobulintas samprotavimo galimybes, palyginti su GPT-4 [1]. Modelio gebėjimas tvarkyti sudėtingas užklausas ir patobulintos jo saugos funkcijos gali netiesiogiai naudotis tokiomis užduotimis, kaip eksperimentinis optimizavimas, pateikiant patikimesnius ir saugesnius pasiūlymus.
palyginimas
Tikėtina, kad tiek GPT-4, tiek GPT-4.5, optimizuojant eksperimentines sąlygas dėl jų pažangių samprotavimų ir žinių integracijos galimybių. Tačiau „GPT-4.5“ gali pasiūlyti šiek tiek pagerėjusį našumą dėl patobulintų saugos funkcijų ir potencialiai patobulintų samprotavimų, nors konkretūs duomenys šiuo aspektu yra riboti. Pagrindinis GPT-4.5 pranašumas, palyginti su GPT-4, greičiausiai būtų jo sugebėjimas suteikti saugesnius ir patikimesnius rezultatus, kurie gali būti labai svarbūs jautriems moksliniams pritaikymams.
Apibendrinant galima pasakyti, kad nors GPT-4 parodė stiprias galimybes optimizuojant eksperimentines sąlygas, GPT-4.5 remiasi šiomis stipriosiomis pusėmis, turint sustiprintą saugumą ir potencialiai pagerintus samprotavimus. Tačiau išsamūs palyginimai šioje konkrečioje srityje nėra gerai dokumentuoti, ir norint visiškai įvertinti GPT-4.5 veikimą eksperimentinės būklės optimizavime, reikia atlikti papildomus tyrimus.
Citatos:
[1] https://cdn.openai.com/gpt-4-5-system-card.pdf
[2] https://chemrxiv.org/engage/api-gateway/chemrxiv/assets/orp/resource/item/647d305dbe16ad5c577b6627/original/prompt-engineering-of-gpt-4-for-for-chemic-research-whan-cannot-be-done.pdf
[3] https://9meters.com/technology/AI/GPT-4-5-BEGINS-ROLLINGO-OUT-TO-PUS-and-Team-users-next-week-to-enterprise-and-edu-users-the the-Senterning Week
[4] http://arxiv.org/pdf/2311.07361.pdf
[5] https://www.techzine.eu/news/applications/129148/openai-announces-gpt-4-5-its-latest-model-to-power-chatgpt/
[6] https://www.techtarget.com/searchenterpriseai/TIP/GPT-35-VS-GPT-4 Didžiausi-diferences-to-consider
[7] https://www.reddit.com/r/openai/comments/1inz75h/openai_roadmap_update_for_gpt45_gpt5/
[8] https://community.openai.com/t/how-to-improve-gpt-4-api-outptpth-length---structure/1025132