大语言模型通过预测下一个词训练，其准确性受任务、输出和输入概率影响。GPT-4实验显示，高概率输出时解码密码准确率为51%，低概率时仅13%。模型在推理、认知偏差和判断一致性上存在局限，不应视同人类，而应作为受特定训练压力塑造的独特系统谨慎使用。

本文探讨了大语言模型在训练中解决的问题，即互联网文本的下一个词预测，并提出了目的论方法来预测大语言模型的成功或失败。作者通过对两个大语言模型进行评估，发现大语言模型的准确性受到执行任务的概率、目标输出的概率和提供的输入的概率的影响。在低概率情况下，大语言模型的准确性会受到影响，AI 从业者需要谨慎使用。作者认为，我们不应该把大语言模型评估为人类，而应该把它们看作一类独特的系统。

本文探讨了大语言模型在训练中解决的问题，即互联网文本的下一个词预测，并提出了目的论方法来预测大语言模型的成功或失败。作者通过对两个大语言模型进行评估，发现大语言模型的准确性受到执行任务的概率、目标输出的概率和提供的输入的概率的影响。在低概率情况下，大语言模型的准确性会受到影响，AI从业者需要谨慎使用。作者认为，大语言模型应该被看作一类独特的系统，而不是被评估为人类。