Mở khóa sức mạnh của GPT-4: Phân tích toàn diện

GPT-4 đã nhận được các nâng cấp đáng kể, hứa hẹn sẽ có những phản hồi trực tiếp hơn và cải thiện khả năng trong các lĩnh vực khác nhau. Các bản cập nhật bao gồm:

• Câu trả lời Ngắn gọn, Súc tích hơn: GPT-4 hiện cung cấp các phản hồi ngắn gọn hơn, giảm xu hướng trả lời lan man. Điều này có thể được tăng cường thêm bằng cách tùy chỉnh ChatGPT với hướng dẫn "Hãy cho tôi câu trả lời ngắn gọn, đừng quá chính thức, và luôn trích dẫn nguồn của bạn."

• Tăng cường Hiểu biết Đọc: GPT-4 đã thể hiện khả năng hiểu đọc được cải thiện, đặc biệt là trên tập dữ liệu GPQA đầy thách thức, kiểm tra khả năng lập luận của cả những sinh viên tiến sĩ chuyên ngành.

• Khả năng Toán học Mạnh mẽ hơn: GPT-4 đã đạt được những bước tiến đáng kể trong toán học, ghi điểm cao hơn đáng kể trên các tập dữ liệu thách thức so với các mô hình ngôn ngữ trước đây. Thực tế, nó hiện đạt mức tương đương với một huy chương vàng Kỳ thi Toán học Quốc tế ba lần.

• Cải thiện Khả năng Tạo Mã: Mặc dù GPT-4 đã thể hiện hiệu suất hơi kém hơn một chút trên tập dữ liệu HumanEval về tạo mã so với các mô hình trước đây, nhưng khả năng lập trình của nó vẫn tiếp tục được cải thiện.

Sự tiến hóa của GPT-4 phản ánh sự tiến bộ được nhìn thấy trong công nghệ ô tô tự lái, nơi một số khía cạnh được cải thiện trong khi những khía cạnh khác có thể tạm thời suy giảm. Tuy nhiên, thông qua các bản cập nhật lặp đi lặp lại, hiệu suất tổng thể của hệ thống vẫn tiếp tục được cải thiện và cải thiện.

Bảng xếp hạng Chatbot Arena, sử dụng hệ thống điểm Elo tương tự như hệ thống dùng để xếp hạng các quân bài, càng làm nổi bật hiệu suất ấn tượng của GPT-4. Nó duy trì vị trí số một trong bảng xếp hạng, với Claude 3 Opus của Anthropic và Command-R+ của Cohere cũng thể hiện khả năng mạnh mẽ.

Để truy cập phiên bản mới nhất của GPT-4, người dùng nên kiểm tra ngày cắt dữ liệu kiến thức hiển thị khi tương tác với ChatGPT. Phiên bản mới nhất có thể có ngày cắt dữ liệu vào năm 2024 hoặc sau đó, cho phép người dùng khám phá các khả năng mới.

Mô hình GPT-4 mới đã thể hiện hiệu suất ấn tượng trên bảng xếp hạng Chatbot Arena, giành vị trí số một. Tuy nhiên, cuộc cạnh tranh rất gay gắt, với các chatbot khác như Claude 3 Opus và Command-R+ của Cohere cũng thể hiện rất tốt.

Bảng xếp hạng Chatbot Arena sử dụng hệ thống điểm Elo, tương tự như hệ thống được sử dụng để xếp hạng các quân bài cờ vua, để đánh giá hiệu suất của các chatbot khác nhau. Hệ thống này dựa trên phiếu bầu chọn của người dùng, làm cho nó trở thành một thước đo hữu ích về cách con người nhận thức chất lượng của các phản hồi của chatbot.

Mặc dù bảng xếp hạng Chatbot Arena không khách quan bằng các đánh giá toán học, nó cung cấp những hiểu biết có giá trị về hiệu suất tổng thể của các hệ thống này từ góc nhìn của người dùng. Mô hình GPT-4 mới đã trở thành người dẫn đầu rõ ràng, nhưng hiệu suất mạnh mẽ của các chatbot khác, như Claude 3 Opus và Command-R+, là minh chứng cho sự tiến bộ nhanh chóng trong lĩnh vực trí tuệ nhân tạo hội thoại.

Thú vị là mô hình Claude 3 Haiku, đáng kể rẻ hơn GPT-4, cũng đã thể hiện khả năng ấn tượng, bao gồm cả khả năng duy trì các cuộc trò chuyện tương đối dài và ghi nhớ thông tin từ các tương tác trước đó. Điều này cho thấy có thể có những giải pháp thay thế hiệu quả về chi phí so với các mô hình tốn kém hơn như GPT-4.

Để kiểm tra các bản cập nhật mới nhất của GPT-4, hãy truy cập chat.openai.com và hỏi hệ thống ChatGPT: "Kính thưa ChatGPT học giả, ngày cắt dữ liệu kiến thức của bạn là gì?" Nếu phản hồi cho biết một ngày gần đây, chẳng hạn như tháng 4 năm 2024, thì bạn có thể chạy các thử nghiệm mới hoặc thử lại những thử nghiệm cũ không hoạt động trước đây. Đừng quên để lại bình luận cho tác giả về kết quả, vì họ sẽ rất vui được biết về trải nghiệm của bạn.

Người thuyết trình thừa nhận rằng có một nguồn tin đáng tin cậy mới cho rằng bản demo AI kỹ sư phần mềm Devin không luôn đại diện cho hệ thống thực tế. Người thuyết trình cho biết họ đã từng trình diễn hệ thống này trong một video sớm hơn, có thể đã phóng đại kết quả. Người thuyết trình xin lỗi về điều này và bày tỏ mong muốn học hỏi từ kinh nghiệm.

Người thuyết trình giải thích rằng họ thường tập trung vào việc thảo luận về các bài báo nghiên cứu được rà soát kỹ lưỡng, nhưng khi nói về một cái gì đó không phải là một bài báo nhưng có vẻ thú vị, họ phải đưa ra quyết định. Người thuyết trình có thể hoặc là tránh thảo luận về những chủ đề như vậy hoàn toàn, hoặc là thảo luận chúng, nhưng sau đó sẽ phải chấp nhận rủi ro phóng đại kết quả. Người thuyết trình nghiêng về việc thảo luận những chủ đề này thỉnh thoảng, nhưng muốn làm tốt hơn trong việc chỉ ra những điểm yếu tiềm ẩn.