能好壞的一個測試集）中取得了進步，體現為較高的分辨事實能力。如圖21，在零樣本（0-shot）提示、小樣本（few-shot）提示和人類反饋強化學習（RLHF）微調后的表現中，GPT-4均明顯優于GPT-3.5和Anthropic-LM，但GPT-4對TruthfulQA中的某些問題依然給出了錯誤的回答。