早些时候，OpenAI正式对外展示了GPT-4多模态模型，展示了它相较此前GPT-3.5强大的性能。

但事实上，从近日放出的信息来看，GPT-4最为强大的并不是它诞生时的能力，而是它能够像人类一样“自我反思”。

根据研究人员Noah Shinn和Ashwin Gopinath在论文中的表述，他们开发了一种新的技术，能够让AI模拟人类的自我反思，并评估自己的表现。

这使得GPT-4 在完成各种测试的时候，会增加一些额外的步骤，让它能够自己设计测试来检查自己的答案，找出错误和不足之处，然后根据发现来修改自己的解决方案。

团队目前已经使用该技术对GPT-4进行了多种不同的性能测试。

在HumanEval测试中，GPT-4需要解决164个从未见过的Python编程问题，原本准确率为67%，使用反思技术后，准确率提升到了88%。

在 Alfworld测试中，GPT-4则需要在各种不同的交互环境中，通过执行一些允许的操作，来做出决策和解决多步任务；使用反思技术后，AI的准确率从73% 提高到97%，只有4个任务失败。

总体来看，基于这一技术，GPT-4在高难度的测试中能够取得明显进步，提升达到了30%左右。