新智元報道
編輯：KingHZ 好睏
【新智元導讀】OpenAI重磅結構調整：ChatGPT「模型行為」團隊併入Post-Training，前負責人Joanne Jang負責新成立的OAI Labs。而背後原因，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+評測範式重構，也許正在改寫AI的能力邊界與產品形態。
就在啱啱，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模型知道該怎麼和人類進行交互。
根據內部消息，模型行為團隊（Model Behavior team）將直接併入後訓練團隊（Post-Training team），並向後訓練負責人Max Schwarzer彙報。
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，發明並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祕——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寧願去猜測答案，也不願誠實地說出「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後的全部模型研發，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人物排行榜的「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，她的工作核心在於「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麼、不能創造什麼的仲裁者
開啓新徵程：瞄準下一代AI交互
啱啱，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，致力於為人類與AI的協作方式，發明和構建新界面的原型。
藉此平台，她將探索超越聊天、甚至超越智能體的新模式——邁向能夠用於思考、創造、娛樂、學習、連接與實踐的全新範式與工具。
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，並與才華橫溢的同事們一起打磨落地。
從DALL·E 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，是多麼能夠激發人們去突破想象的邊界。
在接受採訪時，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」範式的模式。聊天目前更多與陪伴相關；而「智能體」則強調自主性。
但我更願意把AI系統視為思考、創造、遊戲、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）以及後訓練（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麼？」
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。
接着他們又問：「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，生動地展示了什麼是「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後，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。
這就是為什麼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%
幻覺源於「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，但它的短板也正在於此。
對於高頻、有規律的知識，比如語法、拼寫，模型能通過擴大規模來消解
對於低頻、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後的環節中被消除。
但正如上一節所述，由於評估機制的原因，這一目標並未完全實現。
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），並為「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。
最後，OpenAI也集中回應了關於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：並非如此。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侷限性。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：幻覺是一個神祕的、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。