为了评估GPT-4.5的多语言能力，OpenAI采用了几种方法：
1。测试集的翻译：OpenAI使用专业人类翻译人员翻译了多语言大规模语言理解(MMLU)基准的测试集为14种语言。这种方法允许对跨多种语言进行全面评估GPT-4.5的表现，包括阿拉伯语，孟加拉语，中文(简化)，英语，法语，德语，德语，印度人，印度尼西亚，意大利语，日语，韩语，葡萄牙语(巴西)，西班牙，西班牙，斯瓦希里语和Yoruba [1]。
2。零射门评估：该模型是在零拍设置中测试的，这意味着没有为特定语言提供其他培训数据或微调。此方法评估了模型在没有明确培训的情况下跨语言概括的能力[1]。
3。与以前的模型进行比较：GPT-4.5的性能与其前辈(例如GPT-4O和O1)进行了比较，以评估多语言能力的改进。此比较有助于确定GPT-4.5的进步以及可能需要改进的领域[1]。
4。安全评估：虽然不仅专注于多语言能力，但安全评估还考虑了该模型处理多种语言输入的程度，以确保其不会在语言上产生有害或不适当的内容[1]。
5。外部评估：OpenAI可能利用外部框架和工具，类似于用于评估GPT-4多语言处理的C-LARA平台，以进一步评估GPT-4.5的语言能力[4]。但是，可用信息中未提供有关GPT-4.5使用此类平台的具体详细信息。
这些方法共同提供了对GPT-4.5的多语言表现的强大评估，突出了其未来改进的优势和领域。
引用：
[1] https://cdn.openai.com/gpt-4-5-system-card.pdf
[2] https://pmc.ncbi.nlm.nih.gov/articles/pmc11348013/
[3] https://openai.com/index/gpt-4-5-system-card/
[4] https://www.researchgate.net/publication/3759999167_usision_c-lara_to_to_evaluate_gpt-4's_multlingual_processing
[5] https://www.theverge.com/news/620021/openai-gpt-4-5-5-orion-ai-model-reare
[6] https://www.mdpi.com/2227-7102/14/2/148
[7] https://venturebeat.com/ai/openai-releases-gpt-4-5/
[8] https://techcrunch.com/2025/02/27/openai-unveils-gpt-4-5-orion-orion-its-largest-ai-model-yet/