GPT-4.5 ir GPT-4 susiduria su iššūkiais, kai susiduria su mažai išteklių kalbomis, tačiau jų požiūris ir našumas yra tam tikrų skirtumų.
GPT-4 Mažo išteklių kalbų našumas
„GPT-4“, kaip ir kiti didelių kalbų modeliai, parodė įspūdingas galimybes didelio išteklių kalbomis, tačiau kovoja su mažai išteklių kalbomis. Tyrimai parodė, kad GPT-4 atlikimas šiomis kalbomis nėra toks tvirtas kaip anglų ar kitomis gerai atstovaujamomis kalbomis [1] [3]. Iš dalies taip yra dėl ribotų šių kalbų mokymo duomenų, dėl kurių kalbiniai niuansai yra mažiau veiksmingi ir supranta [1]. Be to, buvo nustatyta, kad GPT-4 saugos filtrai yra ne tokie veiksmingi, kai susiduriama su įvestimis, išverstomis į mažai išteklių kalbas, todėl lengviau apeiti apsaugos priemones [5].
GPT-4.5 Mažo išteklių kalbų patobulinimai
„GPT-4.5“ siekiama tobulinti GPT-4 galimybes, įskaitant tai, kad jis tvarkomas mažai išteklių kalbomis. Nors specifiniai mažo išteklių kalbų patobulinimai nėra išsamiai išsamūs, pastebima, kad GPT-4.5 pralenkia GPT-4 daugiakalbiuose vertinimuose. Pavyzdžiui, vertinant naudojant MMLU testų rinkinį, išvertus į 14 kalbų, įskaitant mažo išteklių kalbas, tokias kaip „Yoruba“, GPT-4.5, parodė geresnį našumą, palyginti su GPT-4 [9]. Tai rodo, kad GPT-4.5 gali sustiprinti daugiakalbę paramą ir galbūt geriau tvarkyti kalbinius niuansus mažai išteklių kalbomis.
Tačiau GPT-4.5 patobulinimai yra daugiau apie bendrą daugiakalbį našumą, o ne specifinius mažo išteklių kalbų patobulinimus. Žmonių vertėjų naudojimas daugiakalbėms galimybėms įvertinti rodo sutelktą dėmesį į tikslių vertimų užtikrinimą, kuris galėtų netiesiogiai naudotis mažo išteklių kalbomis, pateikiant patikimesnius duomenis ateityje patobulinti ateityje [9].
iššūkiai ir ateities kryptys
Nepaisant šių patobulinimų, tiek GPT-4, tiek GPT-4.5 vis dar susiduria su dideliais iššūkiais, susijusiais su mažo išteklių kalbomis. Dažnai rekomenduojama patobulinti ir specializuoti raginimo metodus, kad būtų galima pagerinti šias kalbas [7]. Saugumo ir našumo skirtumai tarp didelio išteklių ir mažai išteklių kalbų pabrėžia, kad reikia labiau inkliuzinių mokymo duomenų ir saugos protokolų, kurie atspindi kalbinę įvairovę [5].
Apibendrinant galima pasakyti, kad nors GPT-4.5 siūlo keletą patobulinimų, palyginti su GPT-4 daugiakalbiame kontekste, konkretūs mažo išteklių kalbų patobulinimai nėra išsamiai išsamūs. Tolesni tyrimai ir plėtra yra būtini norint išspręsti nuolatinius šių kalbų iššūkius.
Citatos:
[1] https://aclanthology.org/2024.findings-emnlp.920.pdf
[2] https://topostads.com/gpt-4-5-vs-gpt-5-release/
[3] https://www.asianlp.sg/conferences/ialp2024/prouveringings/papers/ialp2024_p027.pdf
[4] https://www.techtarget.com/searchenterpriseai/TIP/GPT-35-VS-GPT-4 Didžiausi-diferences-to-consider
[5] https://arxiv.org/pdf/2310.02446.pdf
[6] https://teamai.com/blog/large-language-models-llms/underve-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