GPT-4.5 dan GPT-4 keduanya menghadapi tantangan ketika berhadapan dengan bahasa sumber daya rendah, tetapi ada beberapa perbedaan dalam pendekatan dan kinerjanya.
GPT-4 Kinerja pada bahasa rendah sumber daya
GPT-4, seperti model bahasa besar lainnya, telah menunjukkan kemampuan yang mengesankan dalam bahasa sumber daya tinggi tetapi berjuang dengan bahasa sumber daya rendah. Studi telah menunjukkan bahwa kinerja GPT-4 dalam bahasa-bahasa ini tidak sekuat dalam bahasa Inggris atau bahasa lain yang terwakili dengan baik [1] [3]. Ini sebagian karena data pelatihan terbatas yang tersedia untuk bahasa -bahasa ini, yang menghasilkan tokenisasi dan pemahaman nuansa linguistik yang kurang efektif [1]. Selain itu, filter keselamatan GPT-4 telah ditemukan kurang efektif ketika berhadapan dengan input yang diterjemahkan ke dalam bahasa sumber daya rendah, membuatnya lebih mudah untuk memotong perlindungan [5].
GPT-4.5 Perbaikan untuk bahasa rendah sumber daya
GPT-4.5 bertujuan untuk meningkatkan kemampuan GPT-4, termasuk penanganan bahasa sumber daya rendah. Sementara perbaikan spesifik untuk bahasa sumber daya rendah tidak terperinci secara luas, GPT-4.5 tercatat mengungguli GPT-4 dalam evaluasi multibahasa. Misalnya, dalam evaluasi menggunakan set uji MMLU yang diterjemahkan ke dalam 14 bahasa, termasuk bahasa sumber daya rendah seperti Yoruba, GPT-4.5 menunjukkan kinerja yang lebih baik dibandingkan dengan GPT-4 [9]. Ini menunjukkan bahwa GPT-4.5 mungkin telah meningkatkan dukungan multibahasa dan berpotensi menangani nuansa linguistik yang lebih baik dalam bahasa sumber daya rendah.
Namun, peningkatan GPT-4.5 lebih tentang kinerja multibahasa keseluruhan daripada peningkatan spesifik untuk bahasa rendah sumber daya. Penggunaan penerjemah manusia untuk mengevaluasi kemampuan multibahasa menunjukkan fokus untuk memastikan terjemahan yang akurat, yang secara tidak langsung dapat menguntungkan bahasa sumber daya rendah dengan menyediakan data yang lebih andal untuk peningkatan di masa depan [9].
Tantangan dan arah masa depan
Terlepas dari perbaikan ini, baik GPT-4 dan GPT-4.5 masih menghadapi tantangan yang signifikan dengan bahasa sumber daya rendah. Teknik-teknik pendakian yang menyempurnakan dan khusus sering direkomendasikan untuk meningkatkan kinerja dalam bahasa-bahasa ini [7]. Perbedaan dalam keselamatan dan kinerja antara bahasa sumber daya tinggi dan sumber daya rendah menyoroti perlunya data pelatihan yang lebih inklusif dan protokol keselamatan yang menjelaskan keragaman linguistik [5].
Singkatnya, sementara GPT-4.5 menawarkan beberapa perbaikan dibandingkan GPT-4 dalam konteks multibahasa, peningkatan spesifik untuk bahasa sumber daya rendah tidak terperinci secara luas. Penelitian dan pengembangan lebih lanjut diperlukan untuk mengatasi tantangan yang terus -menerus dalam bahasa -bahasa ini.
Kutipan:
[1] https://aclanthology.org/2024.findings-nemnlp.920.pdf
[2] https://topmostads.com/gpt-4-5-vs-gpt-5-release/
[3] https://www.asianlp.sg/conferences/ialp2024/proceedings/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/claudeai/comments/1dqj1lg/claude_35_sonnet_vs_gpt4_a_programmers/
[9] https://cdn.openai.com/gpt-4-5-system-card.pdf