GPT-4.5与其前任一样，在个人贡献者软件工程(IC SWE)任务中面临一些挑战。这些挑战至关重要，因为它们会影响模型有效执行软件工程任务的能力，这些任务在技术行业中越来越重要。
IC SWE任务中的挑战
1。代码质量和可靠性：
- 错误和效率低下：GPT-4.5虽然能够生成代码，但可能会产生使用错误或效率低下的代码。这需要人类的监督来调试和调整生成的代码，尤其是在复杂的代码库中[3]。
- 有限的上下文理解：该模型可能在充分理解代码库或任务的特定要求的情况下而苦苦挣扎，从而导致最佳解决方案。
2。任务的复杂性：
- 算法挑战：GPT-4.5可能会在更复杂的任务上面临困难，类似于其前辈。例如，需要复杂的解决问题或特定算法技术的任务可能具有挑战性[2]。
- 与现有代码库集成：该模型需要有效地将新代码集成到现有系统中，而不会破坏功能，这可能很复杂，需要对软件体系结构进行深入了解。
3。自主和适应性：
- 适应新环境：虽然GPT-4.5在受控环境中可以很好地表现，但它可能难以适应新的或动态的环境而无需其他培训或脚手架[1]。
- 缺乏人类判断力：在某些情况下，人类判断对于做出有关代码质量，建筑或最佳实践的决策至关重要，即AI模型目前不足的领域。
4。安全和保障：
- 脆弱性识别和剥削：尽管GPT-4.5并没有显着提高脆弱性开发能力，但仍需要仔细的管理才能防止在网络安全环境中滥用[1]。
- 指令层次结构和安全说明：该模型必须遵守安全说明，并优先考虑系统消息，而不是用户输入，以防止滥用或意外行为[1]。
5。经济和社会影响：
- 工作流动问题：软件工程中自动化的使用增加可能导致对入门级职位的需求减少，因此需要改变教育和培训以专注于更高级别的技能[3]。
##解决这些挑战
为了克服这些挑战，OpenAI和其他开发人员正在专注于改善模型鲁棒性，安全性和性能。这包括：
- 增强培训数据：扩大和多样化的培训数据，以涵盖更多方案并提高模型适应性。
- 安全和保障措施：实施强大的安全协议以防止滥用，并确保遵守道德标准。
- 人类的监督与协作：鼓励人类工程师与AI模型之间的合作，以利用两者的优势，确保高质量和可靠的软件开发。
通过解决这些挑战，GPT-4.5和未来的模型可以成为软件工程行业中更有效的工具。
引用：
[1] https://cdn.openai.com/gpt-4-5-system-card.pdf
[2] https://www.reddit.com/r/singularity/comments/133T312/gpt4_limitations_share_your_your_experience_of_of_the_ai/
[3] https://www.forbes.com/councils/forbestechcouncil/2023/04/10/gpt-4-and-beyond-the-promise-the-promise-and-promise-and-challenges-for-software-engineering/
[4] https://www.vellum.ai/blog/gpt-4-5-is-here-heres-hores-how-good-this-model-is
[5] https://www.infoq.com/news/2025/02/openai-new-gpts/
[6] https://www.cnbc.com/2025/02/02/27/openai-launching-gpt-4point5-general-pourpose-large-large-lange-lange-model.html
[7] https://www.marketingaiinstitute.com/blog/the-ai-show-episode-137
[8] https://www.robertodiasduarte.com.br/en/openai-enfrenta-desafios-e-sucessos-sucessos-em-nova-fase-de-mudancas/