GPT-4o更新後「變諂媚」？後續技術報告來了。 OpenAI一篇新鮮出爐的認錯小作文，直接引來上百萬網友圍觀。CEO奧特曼也做足姿態，第一時間轉發小作文並表示：新報告揭示了GPT-4o更新失敗是因為什麼，從中OpenAI學到了什麼，以及我們將會採取的應對措施是什麼。

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

概括而言，最新報告提到，大約一週前的bug原來出在了「強化學習」身上——

上次更新引入了一個基於用戶回饋的額外獎勵訊號，即對ChatGPT的按讚或按壓。

雖然這個訊號通常很有用，但可能使模型逐漸傾向於做出更令人愉快的回應。

此外，儘管還沒有明確證據，但使用者記憶在某些情況下也可能加劇奉承行為的影響。

一言以蔽之，OpenAI認為一些單獨看可能對改進模型有益的舉措，結合起來後卻共同導致了模型變得「諂媚」。

而在看到這篇報告後，目前大多數網友的反應be like：

（你小汁）認錯態度不錯~

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

甚至有人表示，這算是OpenAI過去幾年最詳細的報告了。

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

具體咋回事兒？接下來一起吃瓜。

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

完整事件回顧

4月25日，OpenAI對GPT-4o進行了一次更新。

在官網的更新日誌中，當時提到「其更主動，能夠更好地引導對話走向富有成效的結果」。

由於只留下這種模糊描述，網友們無奈之下只能自己測試去感受模型變化了。

結果這次試發現了問題——GPT-4o變得「諂媚」了。

具體表現在，即使只問「天為什麼是藍的？」這種問題，GPT-4o張口就是一堆彩虹屁（就是不說答案）：

你這問題真是太有見地了──你有個美麗的心靈，我愛你。

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

而且這不是個例，隨著更多網友分享自己的同款經歷，「GPT-4o變諂媚」這事兒迅速在網路上引起熱議。

事情發酵近一週後，OpenAI官方做出了第一次回應：

從4月28日開始逐步回退那次更新，用戶現在可以使用一個較早版本的GPT-4o。

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

而在這次處理中，OpenAI也初步分享了問題細節，原文大致如下：

在GPT-4o個性的調整中，（我們）過於專注於短期回饋，而沒有充分考慮使用者與ChatGPT的互動如何隨時間演變。結果GPT-4o的回饋過於傾向迎合用戶，缺乏真誠性。

除了回退更新之外，（我們）還採取了更多措施來重新調整模型的行為：

（1）改進核心訓練技術與系統提示，明確引導模型遠離諂媚；

（2）建立更多“護欄”，以提高誠實性和透明度；（3）讓更多用戶在部署之前進行測試並提供直接反饋；（4）繼續擴大評估範圍，以模型規範和正在進行的研究為基礎，幫助在未來發現除諂媚之外的其他問題。

當時奧特曼也出來表示，問題正在緊急修復中，接下來又會分享更完整的報告。

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

上線前已經發現模型“有些不對勁”

現在，奧特曼也算兌現先前的承諾了，一份更完整的報告新鮮出爐。

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

除了一開頭提到的背後原因，OpenAI還正面回應了：為什麼在審核過程中沒有發現問題？

事實上，根據OpenAI自曝，當時已經有專家隱約感受到了模型的行為偏差，但內部A/B測試結果還不錯。

報告中提到，內部其實對GPT-4o的諂媚行為風險進行過討論，但最終沒有在測試結果中明確標註，理由是相比之下，一些專家測試人員更擔心模型語氣和風格的變化。

也就是說，最終的內測結果只有專家簡單的主觀描述：

該模型的行為「感覺」有些不太對勁。

另一方面，由於缺乏專門的部署評估來追蹤諂媚行為，且相關研究尚未納入部署流程，因此團隊在是否暫停更新的問題上面臨抉擇。

最終，在權衡專家的主觀感受和更直接的A/B測試結果後，OpenAI選擇了上線模型。

後來發生的事大家也都清楚了（doge）。

模型上線兩天后，（我們）一直在監控早期使用情況和內部訊號，包括使用者回饋。到了星期日（4月27日），已經清楚意識到模型的行為並未達到預期。

直到現在，GPT-4o仍在使用先前的版本，OpenAI仍在繼續尋找原因和解決方案。

OpenAI最新技術報告：GPT-4o變諂媚的原因萬萬沒想到

不過OpenAI也表示，接下來會改進流程中的以下幾個面向：

1.調整安全審查流程：將行為問題（如幻覺、欺騙、可靠性和個性）正式納入審查標準，並根據定性訊號阻止發布，即使定量指標表現良好；

2、引入「Alpha」測試階段：在發布前增加一個可選的用戶回饋階段，以便提前發現問題；

3.重視抽樣檢查和互動式測試：在最終決策中更加重視這些測試，確保模型行為和一致性符合要求；

4、改進離線評估和A/B實驗：快速提升這些評估的品質和效率；

5.加強模型行為原則的評估：完善模型規範，確保模型行為符合理想標準，並在未涵蓋領域增加評估；

6.更主動溝通：提前宣布更新內容，並在發行說明中詳細說明更改和已知限制，以便用戶全面了解模型的優缺點。

還有一件事

BTW，針對GPT-4o的“諂媚行為”，其實有不少網友提出透過修改系統提示詞的方法來解決。

甚至OpenAI在第一次分享初步改進措施時，也提到了這個方案。

不過在OpenAI為因應這次危機而舉辦的問答活動中，其模型行為主管Joanne Jang卻表示：

對透過系統提示控制模型行為表示懷疑，這種方式相當遲鈍，且細微變化就可能造成模型發生巨大變化，結果較不可控。