最近一项针对ChatGPT的研究发现，其在32门大学课程的测试中，有9门的表现可与学生相比或甚至优于学生。在一项实验中，纽约大学阿布扎比分校 （NYUAD） 的教师首先被要求提供各自讲座中的十个问题，以及每个问题随机选择的三名学生的答案。

然后研究人员使用ChatGPT为每个问题生成三个不同的答案。问题直接输入 ChatGPT，提示中没有任何其他上下文。

尽管参考文献中提到了 GPT-4，但从研究中尚不清楚使用的是GPT-3.5还是GPT-4。如果使用GPT-3.5，则使用 GPT-4的 AI 响应质量可能会更好，尤其是在推理方面。

ChatGPT 回复生成后，将其与学生回复混合，并由三位不同的审阅者评分。ChatGPT 在32个科目中有9个科目的表现与人类学生一样好，甚至更好。这九个科目分别是

数据结构

公共政策概论

定量合成生物学

网络战

面向对象编程

土木工程材料的结构与性能

生物心理学

气候/变化

管理与组织

在“公共政策概论”课程中，ChatGPT的平均得分是学生的两倍多。另一方面，学生在需要更高认知技能的数学和经济任务中表现优于 ChatGPT。

研究人员还测试了他们是否能够使用 OpenAI 的人工智能文本分类器和GPTZero可靠地区分人类文本和机器文本，该分类器因不可靠而被该公司撤回。

OpenAI 工具将5% 的人类文本错误分类为机器文本，而 GPTZero 将18% 的人类文本错误分类。考虑到所涉学生可能被错误地指控作弊的潜在后果，这是一个灾难性的结果。

相反，OpenAI 工具将49% 的机器生成文本识别为人类文本，而 GPTZero 的这一比例为32%。在这两种情况下，人工智能文本作为人类文本传递的可能性都很高。