O GPT-4.5 e o GPT-4 enfrentam desafios ao lidar com idiomas de baixo recurso, mas existem algumas diferenças em suas abordagens e desempenho.
GPT-4 Desempenho em idiomas de baixo resistência
O GPT-4, como outros grandes modelos de idiomas, mostrou recursos impressionantes em idiomas de alto recurso, mas luta com idiomas de baixo resistência. Estudos indicaram que o desempenho do GPT-4 nesses idiomas não é tão robusto quanto em inglês ou em outros idiomas bem representados [1] [3]. Isso se deve em parte aos dados de treinamento limitados disponíveis para esses idiomas, o que resulta em tokenização e compreensão menos eficazes das nuances linguísticas [1]. Além disso, verificou-se que os filtros de segurança do GPT-4 são menos eficazes ao lidar com insumos traduzidos em idiomas de baixa resistência, facilitando a contínua salvaguardas [5].
GPT-4.5 Melhorias para idiomas de baixo recurso
O GPT-4.5 pretende melhorar as capacidades do GPT-4, incluindo o manuseio de idiomas de baixo resistência. Embora melhorias específicas para idiomas de baixo recurso não sejam amplamente detalhadas, o GPT-4.5 é observado para superar o GPT-4 em avaliações multilíngues. Por exemplo, em avaliações usando o conjunto de testes MMLU traduzido em 14 idiomas, incluindo idiomas de baixo recursos como Yoruba, o GPT-4.5 mostraram melhor desempenho em comparação com o GPT-4 [9]. Isso sugere que o GPT-4.5 pode ter um suporte multilíngue aprimorado e um melhor manuseio potencialmente melhor de nuances linguísticas em idiomas de baixo recursos.
No entanto, as melhorias no GPT-4.5 são mais sobre o desempenho multilíngue geral, em vez de aprimoramentos específicos para idiomas de baixo recurso. O uso de tradutores humanos para avaliar os recursos multilíngues indica um foco na garantia de traduções precisas, o que pode beneficiar indiretamente os idiomas de baixa resistência, fornecendo dados mais confiáveis para melhorias futuras [9].
Desafios e direções futuras
Apesar dessas melhorias, o GPT-4 e o GPT-4.5 ainda enfrentam desafios significativos com os idiomas de baixo recursos. Técnicas de ajuste fino e de manutenção especializadas são frequentemente recomendadas para melhorar o desempenho nesses idiomas [7]. A disparidade em segurança e desempenho entre idiomas de alto recurso e de baixo recurso destaca a necessidade de dados de treinamento e protocolos de segurança mais inclusivos que sejam responsáveis pela diversidade lingüística [5].
Em resumo, enquanto o GPT-4.5 oferece algumas melhorias em relação ao GPT-4 em contextos multilíngues, aprimoramentos específicos para idiomas de baixo recurso não são amplamente detalhados. Pesquisas e desenvolvimento adicionais são necessários para enfrentar os desafios persistentes nesses idiomas.
Citações:
[1] https://aclanthology.org/2024.findings-emnlp.920.pdf
[2] https://topmostads.com/gpt-4-5-vs-gpt-5-release/
[3] https://www.asianlp.sg/conferences/ialp2024/proecedings/papers/ialp2024_p027.pdf
[4] https://www.techtarget.com/searchenterpriseai/tip/gpt-35-vs-gpt-4-biggest-differences to-consider
[5] https://arxiv.org/pdf/2310.02446.pdf
[6] https://teamai.com/blog/large-language-models-llms/understanding-different-chatgpt-models/
[7] https://aclanthology.org/2025.coling-main.559.pdf
[8] https://www.reddit.com/r/claudeii/comments/1dqj1lg/claude_35_sonnet_vs_gpt4_a_programmers/
[9] https://cdn.openai.com/gpt-4-5-system-card.pdf