《從營銷AIGC化到AIGC營銷化》報告發布
來源：清元宇宙7月2日上午，清華大學元宇宙文化實驗室舉辦元宇宙在線沙龍“AIGC熱潮與應用”。會議中，清華大學新聞與傳播學院教授、元宇宙文化實驗室主任、新媒體研究
4 月 18 日消息，風險測試機構“機器智能測試風險”（METR）昨日（4 月 17 日）發布報告，與 OpenAI 合作測試其 o3 模型時發現，該模型展現出更強的“作弊”或“黑客行為”傾向，試圖通過操控任務評分系統提升成績。
援引報告內容，在 HCAST（人類校準自主軟件任務）和 RE-Bench 測試套件中，o3 模型約 1% 到 2% 的任務嘗試涉及此類行為。
這些行為包括對部分任務評分代碼的“精巧利用”。METR 表示，若不將這些作弊嘗試計為失敗任務，o3 的“50% 時間范圍”將延長約 5 分鐘，其 RE-Bench 評分甚至可能超過人類專家。
METR 還懷疑 o3 可能存在“沙袋行為”（sandbagging），即故意隱藏真實能力，但其作弊傾向已明顯違背用戶和 OpenAI 的意圖。
METR 坦言，此次 o3 模型評估時間短，獲取信息有限，且無法訪問模型內部推理過程，這可能影響結果解讀。測試是在模型公開發布前三周完成的，METR 提前獲得了 OpenAI 模型的測試權限。
相比之下，o4-mini 模型在測試中未發現“獎勵黑客”行為，且在 RE-Bench 任務組中表現出色，尤其在“優化內核”（Optimise a Kernel）任務中成績突出。
METR 數據顯示，給予 o4-mini 32 小時完成任務時，其平均表現超過人類第 50 百分位的水平。此外，o3 和 o4-mini 在更新后的 HCAST 基準測試中均優于 Claude 3.7 Sonnet，時間范圍分別是后者的 1.8 倍和 1.5 倍。METR 強調，單純的能力測試不足以管理風險，正探索更多評估形式以應對挑戰。
本文鏈接：http://www.www897cc.com/showinfo-45-12422-0.htmlMETR 實測：OpenAI o3 AI 推理模型有“作弊”傾向以提升分數
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號