面向 GRE 测试的 ChatGPT、GPT-4 与 Microsoft Bing 聊天机器人比较分析

本文分析了三款人工智能聊天机器人：Bing、ChatGPT 和 GPT-4 在回答标准化考试问题时的表现。本文以研究生入学考试（GRE）作为案例研究。共使用了 137 道不同形式定量推理问题和 157 道言语类问题来评估它们的能力。本文展示了每个聊天机器人在考试中测试的各种技能和题型上的表现。还探讨了这些聊天机器人处理基于图像问题的能力，并说明了每个聊天机器人的不确定性水平。结果显示，各聊天机器人的成功程度有所不同，其中 GPT-4 表现最为精通，尤其是在复杂的语言理解任务和基于图像的问题上。结果突出了这些聊天机器人以高分通过 GRE 的能力，这鼓励了在考试准备中使用这些聊天机器人。结果还表明，如果考试在线进行（如 COVID 期间），确保考生与这些资源隔离对于高等教育机会的公平竞争至关重要。