我要投稿

o1新模型数据乐观，现实却打脸？

发布日期：2024-09-16 18:04:15 浏览次数： 2467

作者：腾智位

微信搜一搜，关注“腾智位”

在AI领域，幻觉问题（即模型生成不准确或错误信息）一直是一个难以解决的挑战。

OpenAI最近发布的 o1-preview 和 o1-mini 版本声称在减少生成错误信息（幻觉率）方面取得了显著进展，但它们的实际表现是否真的如宣传所说呢？

数据 vs. 现实

根据OpenAI的内部测试，o1-preview的幻觉率确实比GPT-4o更低。

例如，在SimpleQA测试中，o1-preview的幻觉率为0.44，而GPT-4o为0.61。从数据上看，这似乎是一次技术上的重大突破。然而，现实情况要复杂得多。

用户反馈显示，尽管测试数据表明有所改进，o1-preview在实际应用中，特别是在处理复杂任务时，反而更容易产生幻觉。

模型生成的错误信息带有更强的“自信”，这导致用户更容易被误导。

定量进步与传闻不符

尽管测试结果看起来令人鼓舞，但在实际应用场景中，o1-preview和o1-mini的幻觉问题依然显著，甚至比前代模型更频繁。

这种反差引发了对测试数据可靠性的质疑，同时也揭示了当前AI模型在处理开放性任务时的不足与不稳定性。

总体而言，OpenAI的o1-preview和o1-mini模型在某些测试中展现出幻觉频率的降低，反映了技术优化的进展。

然而，用户反馈和实际应用表明，这些模型在真实环境中的表现要比测试数据复杂得多。OpenAI也承认，尽管幻觉问题有所改善，但尚未完全解决。

我们拭目以待，看看 OpenAI 后续会如何应对这一问题！

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-03-21

马斯克再次站台Kimi，扒掉了Cursor 500亿估值的底裤

2026-03-19

MiniMax M2.7 炸场！自己训自己，8 项基准硬刚 GPT-5 和 Opus 4.6

2026-03-17

【淘宝直播数字人互动LLM】告别AI感：基于真人ASR数据的拟人化探索

2026-03-03

罕见！Meta、OpenAI、xAI联合分享了用生产环境提升LLM的最佳实践！

2026-02-13

工具调用准确率从60%飙到95%？我用这个‘解耦微调’把Qwen-7B救活了

2026-02-05

普林斯顿大学RLAnything：AI学会一边学习一边给自己打分

2026-02-04

Agent 越用越聪明？AgentScope Java 在线训练插件来了！

2026-01-30

Oxygen 9N-LLM生成式推荐训练框架

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

2026年 LLM 微调全指南

2026-01-04

【GitHub高星】AI Research Skills：一键赋予AI“博士级”科研能力，74项硬核技能库开源！

2026-01-18

DeepSeek 发布新论文，提出全新 MHC 架构，有何创新与应用前景？

2026-01-02

刚刚，梁文锋署名，DeepSeek元旦新论文要开启架构新篇章

2026-01-01

Agent 越用越聪明？AgentScope Java 在线训练插件来了！

2026-02-04

1GB 显存即可部署：腾讯 HY-MT1.5 的模型蒸馏与量化策略解析

2026-01-19

本地跑小模型带来5倍性能且成本极低！斯坦福从信息论视角重构智能体设计

2026-01-03

数据蒸馏技术探索

2025-12-30

智元发布SOP：让机器人在真实世界规模化部署与智能化运行

2026-01-07

前Mata GenAI研究员田渊栋的年终总结：关于未来AI的思考

2026-01-10

大家都在问

DeepSeek 发布新论文，提出全新 MHC 架构，有何创新与应用前景？

2026-01-02

LoAR做Fine-Tuning微调原理到底是什么？

2025-11-19

如何将 AI 代码采纳率从30%提升到80%？

2025-09-25

大模型微调，为什么99%的企业都不应该碰这个坑？

2025-06-20

万不得已，不要对 LLM 进行微调？

2025-06-17

可以将任何符合OpenAPI规范的接口转 MCP Server吗？

2025-05-21

OpenAI发布GPT-4.1系列模型，对行业最大吸引力是什么？

2025-05-17

私有部署大模型需要多少显存？

2025-05-14

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部