IT 之家 4 月 19 日音讯，OpenAI 最新发布的 o3 和 o4-mini 模子在多个方面展现出业内率先的水准，不外草榴社区邀请码，，这两款模子已经无法开脱"幻觉"问题 —— 以致比以往发布的模子愈加严重。

据外媒 TechCrunch 本日报谈，幻觉问题一直是生成式 AI 发展历程中最难科罚的挑战之一，即使是当今性能最优秀的模子也难以澈底幸免。夙昔，每一代新模子在裁减幻觉频率方面精深齐会赢得小幅跨越，但 o3 和 o4-mini 却冲突了这一趋势。

字据 OpenAI 的里面测试，手脚推理模子的 o3 和 o4-mini，出现幻觉的频率不仅杰出了前代推理模子 o1、o1-mini 和 o3-mini，以致还高于传统"非推理"模子（IT 之家注：如 GPT-4o）。

OpenAI 在针对这两款模子发布的时刻讲述中暗示："要弄明晰跟着推理模子规模的扩大，幻觉问题为何反而变得愈加严重，还需要进一步接续。"讲述指出，尽管 o3 和 o4-mini 在编程和数学等任务上的发扬优于以往，但由于模子输出的谜底总量增多，导致其既能作出更多准确判断，同期也不成幸免地出现更多无理以致幻觉。

在 OpenAI 策动的里面基准测试 PersonQA 中，o3 回应问题时出现幻觉的比例达到 33%，委果是前代推理模子 o1 和 o3-mini 的两倍，后者的幻觉率区分为 16% 和 14.8%。在统一测试中，o4-mini 的发扬更差，幻觉率高达 48%。

第三方机构 Transluce 的测试也印证了这一问题。这家非渔利 AI 接续现实室发现，o3 在回应问题频频时会编造执造出某些"历程操作"。举例，Transluce 曾不雅察到，o3 宣称我方在一台 2021 款 MacBook Pro 上"在 ChatGPT 以外"开动了代码，并将效果复制进了谜底中。实质上，固然 o3 领有一部分器具拜访权限，但并不具备奉行这种操作的智商。

OpenAI 发言东谈主 Niko Felix 暗示："科罚幻觉问题是咱们一直在鼓励的重心接续意见草榴社区邀请码，，咱们也在束缚勤勉进步模子的准确性与可靠性。"