OpenAI最强AI模型竟成“大忽悠”！o3/o4-mini被曝聪明过头、结果幻觉频发？
在我们的 PersonQA 评估中，o4-mini 模型的表现不如 o1 和 o3。具体来说，o3 总体上倾向于做出更多的断言——这既包括更准确的断言，也包括更多不准确/幻觉的断言。我甚至可以说，要是在代码库里用它会非常危险，它可能会严重破坏你的代码，并让你认为那些修改是重要和正确的。“我们的假设是，用于 o 系列模型的强化学习方式，可能会放大一些通常可以通过标准的训练后流程缓解（但无法完全消除）的问题。o3 优越的编码效率，一边又不得不建立专门的“链接验证”流程，为每个生成的链接“验明正身”
