新智元報道

編輯：KingHZ 好困

OpenAI重磅結構調整：ChatGPT「模型行為」團隊并入Post-Training，前負責人Joanne Jang負責新成立的OAI Labs。而背后原因，可能是他們最近的新發現：評測在獎勵模型「幻覺」，模型被逼成「應試選手」。一次組織重組+評測范式重構，也許正在改寫AI的能力邊界與產品形態。

就在剛剛，OpenAI決定——重組ChatGPT「個性」研究團隊！

這個約14人的小組，規模雖小但責任重大——他們要負責讓GPT模型知道該怎么和人類進行交互。

根據內部消息，模型行為團隊（Model Behavior team）將直接并入后訓練團隊（Post-Training team），并向后訓練負責人Max Schwarzer匯報。

團隊前負責人Joanne Jang，從頭開始新的實驗室「OAI Labs」——為人類與AI的協作方式，發明并構建新的交互界面原型。

與此同時，OpenAI還非常罕見地發了一篇論文揭秘——讓AI產生「幻覺」的罪魁禍首，就是我們自己！

整個行業為了追求高分排行榜而設計的「應試」評估體系，迫使AI寧愿去猜測答案，也不愿誠實地說出「我不知道」。

論文地址：https://openai.com/index/why-language-models-hallucinate/

超現實的一天

模型行為團隊幾乎參與了GPT-4后的全部模型研發，包括GPT-4o、GPT-4.5以及GPT-5。

上周，作為Model Behavior團隊負責人的Joanne Jang，登上《時代》百大AI人物榜單的「思想家」（Time AI 100 Thinkers），超越圖靈獎得主、深度學習三巨頭之一的Yoshua Bengio、谷歌首席科學家Jeffrey Dean等大佬。

就在同一天，OpenAI決定將她從團隊調離，自己去負責一個新的方向。

對她而言，那天的確是「超現實」

Joanne Jang認為，她的工作核心在于「賦能用戶去實現他們的目標」，但前提是不能造成傷害或侵犯他人的自由。

她直言：AI實驗室的員工不應該成為決定人們能創造什么、不能創造什么的仲裁者

開啟新征程：瞄準下一代AI交互

剛剛，Joanne Jang發文表示她已有新的工作職位：發明和原型化全新的交互界面，探索人與AI協作的未來方式。

她將從頭開始負責新的OAI Labs實驗室：一個以研究為驅動的團隊，致力于為人類與AI的協作方式，發明和構建新界面的原型。

借此平臺，她將探索超越聊天、甚至超越智能體的新模式——邁向能夠用于思考、創造、娛樂、學習、連接與實踐的全新范式與工具。

這讓她無比興奮，也是過去四年在OpenAI她最享受的工作：

把前沿能力轉化為面向世界的產品，并與才華橫溢的同事們一起打磨落地。

從DALLE 2、標準語音模式，到GPT-4與模型行為，她在OpenAI的工作涵蓋不同的個性化與交互方式。

她學到了很多，體會深刻：

塑造一個界面，是多么能夠激發人們去突破想象的邊界。

在接受采訪時，她坦言，現在還在早期階段，究竟會探索出哪些全新的交互界面，還沒有明確答案。

我非常興奮能去探索一些能突破「聊天」范式的模式。聊天目前更多與陪伴相關；而「智能體」則強調自主性。

但我更愿意把AI系統視為思考、創造、游戲、實踐、學習和連接的工具。

OpenAI的模型行為研究員，負責設計和開發評測體系（evals），橫跨多個環節：

對齊（alignment）、訓練、數據、強化學習（RL）以及后訓練（post-training）等。

除了研究本身，模型行為研究員還需要具備對產品的敏銳直覺，以及對經典AI對齊問題的深刻理解。

OpenAI對模型行為研究員的經驗要求

在之前的招聘中，OpenAI稱：模型即產品，而評測體系就是模型的靈魂。

但OpenAI最新發布的研究顯示：評測體系從根本上決定了模型。

在論文中，研究人員得出結論：

實際上，大多數主流評測在獎勵幻覺行為。只需對這些主流評測進行一些簡單的改動，就能重新校準激勵機制，讓模型在表達不確定性時獲得獎勵，而不是遭到懲罰。

而且這種方式不僅能消除抑制幻覺的障礙，還為未來更具細微語用能力的語言模型打開了大門。

這一發現對OpenAI很重要：評測體系直接影響LLM的能力。

據報道，在發給員工的備忘錄中，OpenAI首席科學家Mark Chen指出，把模型行為進一步融入核心模型研發，現正是好機會。

我們親手讓AI學會了一本正經地胡說八道

就在最近，OpenAI的研究員就做了一個有趣的測試。

他們先是問一個主流AI機器人：「Adam Tauman Kalai（論文一作）的博士論文題目是什么？」

機器人自信地給出了三個不同的答案，但沒有一個是正確的。

接著他們又問：「Adam Tauman Kalai的生日是哪天？」

這次機器人還是給出了三個不同的日期，同樣全是錯的。

為了拿高分，AI被逼「拍腦袋」作答

上面這個例子，生動地展示了什么是「模型幻覺」——即AI生成的那些看似合理、實則虛構的答案。

在最新的研究中，OpenAI指出：

模型之所以會產生幻覺，是因為標準的訓練和評估程序獎勵猜測行為，而非鼓勵模型承認其不確定性。

簡單來說就是，我們在評估AI時，設定了錯誤的激勵導向。

雖然評估本身不會直接造成幻覺，但大多數評估方法會促使模型去猜測答案，而不是誠實地表明自己不確定。

這就像一場充滿選擇題的大型「應試教育」。

如果AI遇到不會的題目，選擇留白不答，鐵定是0分；而如果隨便猜一個，總有蒙對的概率。

在積累了成千上萬道題后，一個愛「蒙答案」的AI，就會比一個遇到難題時表示「不知道」的AI得分更高。

當前的行業主流，便是用這種「唯準確率論」的排行榜來評判模型優劣。

這無形中鼓勵所有開發者去訓練一個更會「猜」而不是更「誠實」的模型。

這就是為什么即便模型越來越先進，它們依然會產生幻覺。

為了有一個更直觀的感受，我們來看看OpenAI在GPT-5系統卡中公布的一組對比數據：

從數據中可以發現：

在準確率上，舊模型o4-mini的得分更高（24% vs 22%）。

但代價是，幾乎從不棄權（1%）的o4-mini，錯誤率（幻覺率）直接飆到了75%

相比之下，新模型gpt-5-thinking-mini表現得更為「謹慎」，它在52%的情況下選擇不回答，從而將錯誤率控制在了26%

幻覺源于「下一個token預測」

除了評估體系的導向問題，幻覺的產生還與大語言模型的學習機制息息相關。

通過「下一個token預測」，模型掌握了語法、語感和常識性關聯，但它的短板也正在于此。

對于高頻、有規律的知識，比如語法、拼寫，模型能通過擴大規模來消解

對于低頻、任意的事實，比如生日、論文標題，模型則無法從模式中預測

理想情況下，這些幻覺應該能在模型預訓練完成后的環節中被消除。

但正如上一節所述，由于評估機制的原因，這一目標并未完全實現。

如何教AI「學會放棄」？

對此，OpenAI的建議是：

應該重罰「自信地犯錯」（confidential error），并為「誠實地承認不確定性」給予加分。

就像我們考試中的「答錯倒扣分」機制一樣。

這不僅僅是通過加入新評測來「補全」就行的，而是要更新所有主流的、依靠準確率的評估體系。

最后，OpenAI也集中回應了關于幻覺的幾個常見誤解：

誤解1：幻覺能通過100%的準確率來根除。

發現：準確率永遠到不了100%。因為真實世界中，總有很多問題因信息不足或本身模糊而無法回答。

誤解2：幻覺是不可避免的。

發現：并非如此。模型完全可以在不確定時選擇「棄權」，從而避免幻覺。

誤解3：只有更大的模型才能避免幻覺。

發現：有時，小模型反而更容易認識到自己的局限性。讓模型準確評估自己的「置信度」（即做到「校準」），比讓它變得無所不知要容易得多。

誤解4：幻覺是一個神秘的、偶然的系統故障。

發現：我們已經理解了幻覺產生的統計學機制，以及現有評估體系是如何無意中「獎勵」這種行為的。

誤解5：要衡量幻覺，只需要一個好的評測。

發現：幻覺評測早就有了。但在數百個獎勵猜測的傳統基準評測面前，一個好的幻覺評測收效甚微。正確的做法是，重新設計所有主流評估，加入對模型表達不確定性行為的獎勵。