GPT-5 为何更强调大模型的可靠性？星火X1提前做了回答

　　夏季大模型行业的密集上新随着上周GPT-5的推出终于落下帷幕。北京时间8月8日凌晨，OpenAI正式发布下一代旗舰模型GPT-5，距离上代模型GPT-4的推出已经过去了29个月。

　　但GPT-5上线初期的反馈却有些两极分化。GPT-5仍然是当前能力最为全面的模型，但和此前OpenAI一直保持着断代式的模型性能领先相比，GPT-5并未与市场主流模型拉开显著差距，部分基准测试场景下甚至被马斯克的Grok 4或者同期发布的Claude Opus 4.1超越。

本文来自散户吧WWW.SANHUBA.COM

　　部分原因在于OpenAI的先发优势正在减弱，但更关键的原因或许在于OpenAI试图将大模型从“能用”推向“好用”。和此前发布的旗舰模型不同，OpenAI在此次GPT-5发布会中尤其强调他们在减少模型幻觉、提升指令遵循能力和降低模型谄媚性方面的进展。 本文来自散户吧WWW.SANHUBA.COM

　　这和此前国内大模型代表星火 X1 的升级不谋而合。作为当前市面上唯一全栈自主可控的全国产大模型，星火X1在7月25日的升级同样着重强调对大模型实用痛点尤其是幻觉问题的精准攻克上。

本文来自散户吧WWW.SANHUBA.COM

　　在对模型幻觉问题治理上，星火X1取得显著突破，无论是对自身生成内容真实性的把控（事实性幻觉治理），还是参考外部资料时对原文的忠实程度都有显著改善（忠诚性幻觉治理），大大提升了大模型在行业应用中的可靠性。 本文来自散户吧WWW.SANHUBA.COM

　　甚至二者在技术路线的探索上都颇为一致。OpenAI在官网介绍，针对模型幻觉问题，他们在GPT-5训练中加入了多目标奖励机制以及思维链监控等手段，来改善模型幻觉问题。多目标奖励改变了此前模型单一奖惩机制容易迎合用户的弊病，即便模型给出不确定性回答也可以得到正向反馈，思维链监控则可以有限防止推理模型在深度思考过程中的幻觉问题。 本文来自散户吧WWW.SANHUBA.COM

　　大模型幻觉的后果

　　在强化学习技术上，科大讯飞同样试图改进大模型粗糙的数值奖励机制，将评语模型与细粒度反馈的强化学习技术结合起来，就像是给AI配了一个耐心的老师，能在解题的每个环节给出具体建议。这种做法让复杂的数学推理训练变得更加高效，也解决了强化学习训练中“奖励太少”的痛点问题。

本文来自散户吧WWW.SANHUBA.COM

　　此外，科大讯飞提出的基于多路径采样验证及事实性约束强化学习的幻觉治理技术，则可以在大模型思考过程及恢复生成阶段，实现客观问题与标准答案的深度对齐，从而大幅减少慢思考下的幻觉率。 本文来自散户吧WWW.SANHUBA.COM

　　但在治理模型幻觉问题上，作为大模型国家队的科大讯飞还是比OpenAI更多走了一步。科大讯飞不仅从模型训练与监督角度入手，还深入介入了大模型训练更前置的数据环节。

本文来自散户吧WWW.SANHUBA.COM

　　在此前已经建立行业高质量数据集以及讯飞知识工程平台的基础上，科大讯飞还开创性地提出了基于多路径采样验证及事实性约束强化学习的幻觉治理技术，在大模型思考过程及回复生成阶段，实现客观问题与标准答案的深度强对齐，大幅减少了在慢思考下的幻觉率让大模型回复通用常识及专业知识问题更加可靠。 本文来自散户吧WWW.SANHUBA.COM

　　从全国产大模型代表的星火X1，到海外大模型代表的GPT-5，全球顶尖大模型同时强调模型可靠性的升级。这背后是因为，大模型已经日益深入到社会应用的方方面面，在性能稳步提升的同时，也对模型的可靠性和易用性提出了更高要求。

　　“我们的核心追求的是模型的实际应用价值以及大众的可访问性/可负担性。我们可以发布更智能的模型，但更重要的这次的模型可以让超过十亿人受益。”OpenAI创始人兼CEO萨姆·奥尔特曼说。

　　纵观此次OpenAI针对GPT-5的升级，你可能会感到些许熟悉。在发布会中，模型性能的提升一笔带过，更多时间都用在了讲述GPT-5的具体行业应用，尤其是编程、写作以及医疗等三个大模型核心应用场景上。 本文来自散户吧WWW.SANHUBA.COM

　　其实，大模型行业中最早呼吁关注模型行业应用价值的正是科大讯飞。早在科大讯飞立项攻坚大模型时，就确立了“1+N”的研发方向，在研发一个通用大模型的同时，也同步推出教育、医疗、法律等行业大模型。过去几年来，讯飞星火围绕医疗、教育、法律、汽车、科研等多个重点行业发布多个行业大模型，同时与多个行业龙头、央国企展开深入合作，共同推进大模型落地应用。 本文来自散户吧WWW.SANHUBA.COM

　　7月25日全新升级的星火X1，更是科大讯飞推动模型从“能用”走向“好用”的关键一步。二者虽然只一字之差，但背后的技术深度和应用广度完全不同。升级后的星火X1已全面赋能教育、医疗、企业应用、代码、科研等行业大模型和智能体，在复杂行业场景任务上进一步满足用户核心需求。 本文来自散户吧WWW.SANHUBA.COM

(小编：财神)