GPT-4.5는 GPT-4의 개선 된 버전이며, 계산 효율이 향상되었지만 반드시 화학 반응에 대한 예측 능력은 아닙니다. GPT-4는 소수의 학습을 통해 화학적 특성과 결과를 예측하는 데 인상적인 능력을 보여 주었지만, 미지의 화학 반응의 결과를 예측하는 데있어 성능은 광대 한 지식 기반과 추론 능력을 기반으로합니다 [1] [2]. GPT-4는 제한된 데이터를 사용하여 산화 환원 전위 및 비등점과 같은 특성을 예측할 수 있으며, 이는 전통적인 방법에 비해 상당한 발전입니다 [1] [2].
그러나 복잡한 화학 반응을 예측하는 데있어서 GPT-4의 정확도, 특히 특수 화합물 또는 신규 화합물을 포함하는 것은 훈련 데이터의 품질과 양에 의해 제한 될 수있다 [2]. 회고와 같은 분자 구조 및 반응 메커니즘에 대한 정확한 이해가 필요한 작업의 경우 전통적인 기계 학습 모델은 여전히 GPT-4와 같은 LLM을 능가 할 수 있습니다 [5].
보다 계산적으로 효율적으로 GPT-4.5는 화학 데이터의 더 빠른 처리 및 분석을 용이하게 할 수 있지만, GPT-4에 비해 알려지지 않은 화학 반응을 예측하는 정확도를 크게 향상 시킨다는 직접적인 증거는 없습니다. 예측 정확도를 향상시키는 데있어 핵심 요소는 모델의 지식 기반의 향상 또는 질서 및 구조화 된 사고 체인 (Oscot) 접근과 같은보다 정교한 프롬프트 전략의 개발 일 것입니다.
요약하면, GPT-4.5는 효율의 향상을 제공하지만, 미지의 화학 반응의 결과를 GPT-4보다 더 정확하게 예측하는 능력은 기본 지식의 발전 또는 효율성 향상보다는 고급 프롬프트 전략의 적용에 의존 할 것이다.
인용 :
[1] https://chemrxiv.org/engage/api-gateway/chemrxiv/assets/orp/resource/item/647d305dbe16ad5c577b6627/original/prompt-engineering-of-gpt-4-for-chemical-can-can-can-cant-cannot-don--
[2] https://ai-scholar.tech/en/articles/large-language-models/prompt-chemical-research
[3] http://arxiv.org/pdf/2311.07361.pdf
[4] https://pmc.ncbi.nlm.nih.gov/articles/pmc10960113/
[5] https://arxiv.org/html/2407.15141v1
[6] https://cdn.openai.com/gpt-4-5-system-card.pdf
[7] https://www.tandfonline.com/doi/full/10.1080/27660400.2023.2260300
[8] https://www.reddit.com/r/singularity/comments/1iqzgmg/chatgpt_45_5_predictions/