非自然错误纠正：GPT-4 几乎能够完美处理非自然混乱文本

在这项研究中，我们提出了新颖的实验见解，揭示了大型语言模型（LLMs）的韧性，特别是 GPT-4，在经历大规模字符级排列混乱时。我们设计了 Scrambled Bench 套件来评估 LLMs 处理乱序输入的能力，包括恢复乱序句子和回答给定乱序上下文的问题。实验结果表明，大多数强大的 LLMs 表现出类似 typoglycemia...

研究发现，GPT-4在处理乱序输入时表现出惊人的韧性，几乎可以完美地重建乱序的句子为原始句子，编辑距离降低了95%。这揭示了LLMs在处理乱序输入时的强大韧性。

GPT-4 gpt 乱序输入大型语言模型编辑距离韧性