450 మంది పరిశోధకులు పెద్ద భాషా నమూనాల సామర్థ్యాలను పరీక్షించడానికి రూపొందించిన 204 పనుల జాబితాను రూపొందించారు. చాలా పనులలో, నమూనాలు పెరగడంతో పనితీరు ఊహించదగిన విధంగా మరియు సజావుగా మెరుగుపడింది. కానీ ఇతర పనులతో, సామర్థ్యంలో జంప్ సజావుగా లేదు. ఇతర అధ్యయనాలు సామర్ధ్యంలో ఇలాంటి ఎత్తులను కనుగొన్నాయి.