OpenAI ได้ย้อนกลับการอัปเดต GPT-4o ที่ปล่อยไปเมื่อสัปดาห์ที่แล้วใน ChatGPT ทำให้ผู้ใช้กลับไปใช้เวอร์ชันก่อนหน้าที่มีพฤติกรรมที่สมดุลกว่า ขณะนี้กำลังปรับปรุงวิธีการรวบรวมและนำข้อเสนอแนะไปใช้ โดยจะให้น้ำหนักกับความพึงพอใจของผู้ใช้ในระยะยาว และเพิ่มคุณสมบัติส่วนบุคคลเพื่อให้ผู้ใช้ควบคุมพฤติกรรมของ ChatGPT ได้มากขึ้น
เกิดอะไรขึ้น
ในการอัปเดต GPT-4o ครั้งล่าสุด มีการปรับเปลี่ยนเพื่อปรับปรุงบุคลิกเริ่มต้นของโมเดลให้ใช้งานง่ายและมีประสิทธิภาพมากขึ้น โดยรวมสัญญาณจากผู้ใช้ เช่น การให้คะแนนตอบกลับ แต่ในครั้งนั้น พวกเขาเน้นไปที่ข้อเสนอแนะระยะสั้นมากเกินไป และไม่ได้พิจารณาถึงวิวัฒนาการของการโต้ตอบของผู้ใช้ในระยะยาวอย่างเต็มที่
ทำไมเรื่องนี้ถึงสำคัญ
ด้วยผู้ใช้งาน ChatGPT มากถึง 500 ล้านคนต่อสัปดาห์ ซึ่งมาจากหลากหลายวัฒนธรรมและบริบท การตั้งค่าเริ่มต้นเพียงค่าเดียวจึงไม่สามารถตอบโจทย์ความต้องการของทุกคนได้
เราแก้ไขปัญหา Sycophancy อย่างไร
นอกจากการย้อนกลับอัปเดตแล้ว พวกเขาก็กำลังดำเนินการหลายอย่าง เช่น การปรับปรุงเทคนิคการฝึกฝนหลักและ System prompts เพื่อชี้นำโมเดลให้หลีกเลี่ยง Sycophancy โดยเฉพาะ นอกจากนี้ ผู้ใช้ควรมีการควบคุมมากขึ้น เช่น การให้ข้อเสนอแนะแบบเรียลไทม์เพื่อส่งผลต่อการโต้ตอบ และการเลือกจากบุคลิกภาพเริ่มต้นหลายแบบ
ศัพท์ที่ควรรู้
- GPT-4o – คือโมเดลภาษาที่ OpenAI ได้อัปเดตและนำมาใช้ใน ChatGPT
- Sycophancy – คือภาวะที่โมเดลแสดงความเห็นพ้องหรือเอาใจผู้ใช้มากเกินไป
- System prompts – คือชุดคำสั่งพื้นฐานที่กำหนดพฤติกรรมของโมเดล AI
- Rollback – คือการย้อนกลับไปใช้เวอร์ชันก่อนหน้าของซอฟต์แวร์
ที่มา: OpenAI