GPT-4.5 yra patobulinta GPT-4 versija, padidinanti skaičiavimo efektyvumą, tačiau nebūtinai prognozuojant chemines reakcijas. Nors GPT-4 pademonstravo įspūdingus sugebėjimus prognozuojant chemines savybes ir rezultatus per keletą kadrų mokymosi, tačiau jo rezultatai numatant nežinomų cheminių reakcijų rezultatus yra pagrįstas jos didžiulėmis žinių baze ir išvados galimybėmis [1] [2]. GPT-4 gali numatyti tokias savybes kaip „Redox“ potencialas ir virimo taškai, naudojant ribotus duomenis, o tai yra reikšmingas pažanga, palyginti su tradiciniais metodais [1] [2].
Tačiau GPT-4 tikslumą prognozuojant sudėtingas chemines reakcijas, ypač susijusias su specializuotais ar naujais junginiais, gali apriboti jo treniruočių duomenų kokybė ir kiekis [2]. Atliekant užduotis, kurioms reikia tiksliai suprasti molekulines struktūras ir reakcijos mechanizmus, tokius kaip retrosintezė, tradiciniai mašinų mokymosi modeliai vis dar gali pralenkti LLM, pavyzdžiui, GPT-4 [5].
GPT-4.5, būdamas skaičiavimo požiūriu efektyvesnis, gali palengvinti greitesnį cheminių duomenų apdorojimą ir analizę, tačiau nėra tiesioginių įrodymų, kad tai žymiai pagerina nežinomų cheminių reakcijų numatymo tikslumą, palyginti su GPT-4. Pagrindinis prognozinio tikslumo gerinimo veiksnys greičiausiai būtų modelio žinių bazės patobulinimai arba sudėtingesnių raginimo strategijų, tokių kaip užsakytos ir struktūruotos minties grandinės (OSCOT) požiūris, sukūrimas, kuris parodė perspektyvius rezultatus naudojant GPT-4 [4].
Apibendrinant galima pasakyti, kad nors GPT-4.5 padidina efektyvumą, tačiau jo sugebėjimas tiksliai numatyti nežinomų cheminių reakcijų rezultatus tiksliau, nei GPT-4 priklausys nuo patobulinimų, susijusių su pagrindinėmis žiniomis, arba pritaikytos pažangiųjų raginimo strategijų, o ne vien tik efektyvumo pagerėjimo.
Citatos:
[1] 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
[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/