Chỉ hai ngày sau khi công bố GPT-4.1, OpenAI tiếp tục gây chú ý khi ra mắt cùng lúc hai mô hình ngôn ngữ mới: o3 và o4-mini. Cả hai được quảng bá với khả năng suy luận vượt trội và nhiều cải tiến đáng kể. Tuy nhiên, theo TechCrunch, bộ đôi mô hình mới này vẫn gặp phải tình trạng "ảo giác" (hallucinate) hay tự bịa đặt thông tin. Thậm chí, chúng còn gặp "ảo giác" nhiều hơn một số mô hình cũ của OpenAI.

Chỉ hai ngày sau khi công bố GPT-4.1, OpenAI tiếp tục gây chú ý khi ra mắt cùng lúc hai mô hình ngôn ngữ mới: o3 và o4-mini. Cả hai được quảng bá với khả năng suy luận vượt trội và nhiều cải tiến đáng kể. Tuy nhiên, theo TechCrunch, bộ đôi mô hình mới này vẫn gặp phải tình trạng "ảo giác" (hallucinate) hay tự bịa đặt thông tin. Thậm chí, chúng còn gặp "ảo giác" nhiều hơn một số mô hình cũ của OpenAI.

Theo IBM, "ảo giác" xảy ra khi các mô hình ngôn ngữ lớn (LLM), như chatbot hoặc công cụ thị giác máy tính, xử lý dữ liệu không tồn tại hoặc không thể nhận dạng, dẫn đến kết quả vô nghĩa hoặc sai sự thật.

Báo cáo mới nhất từ OpenAI cho thấy mô hình o3 gặp "ảo giác" trong 33% câu hỏi trên PersonQA – tiêu chuẩn nội bộ để đánh giá độ chính xác kiến thức về con người. Con số này gấp đôi tỷ lệ "ảo giác" của các mô hình trước đó như o1 (16%) và o3-mini (14,8%). Đáng chú ý, o4-mini còn tệ hơn khi mắc lỗi "ảo giác" tới 48% trong cùng bài kiểm tra.

Điều đáng lo ngại là OpenAI thừa nhận chưa tìm ra nguyên nhân chính xác. Trong báo cáo kỹ thuật, công ty cho biết: "Cần nghiên cứu thêm để hiểu tại sao tình trạng 'ảo giác' trở nên nghiêm trọng hơn khi mở rộng quy mô các mô hình suy luận."

O3 và o4-mini hoạt động tốt hơn ở một số lĩnh vực, bao gồm các tác vụ liên quan đến lập trình và toán học. Tuy nhiên, do cần "đưa ra nhiều tuyên bố hơn là nói tổng quát", cả hai mô hình này đã gặp tình trạng cho ra kết quả gồm "nhiều tuyên bố chính xác hơn, nhưng đồng thời cũng xuất hiện nhiều tuyên bố không chính xác hơn".

×