大家好，今天来为大家解答2021年公务员考试成绩公布时间—2021年公务员考试成绩啥时候出来这个问题的一些问题点，包括也一样很多人还不知道，因此呢，今天就来为大家分析分析，现在让我们一起来看看吧！如果解决了您的问题，还望您关注下本站哦，谢谢~

OpenAI技术报告说，O3和O4-Mini的“幻觉率”远高于以前的推论模型，甚至超过了传统的GPT-4O模型。

根据PersonQA基准，O3在33的问题答案中产生了幻觉，几乎是O1的两倍（16）。

O4米尼的性能甚至更糟，幻觉速度高达48。

技术报告：https://cdn.openai.com/pdf/2221C875-02DC-4789-800B-E77758F3722C1/O3—O3-and-o4-o4-mini-system-system-card.pdf

一些网民甚至敏锐地指出：“ O3对于具有超过1,000条代码的撰写和开发项目非常不利，具有极高的幻觉率和非常差的指导执行能力。”

无论是在光标还是风帆冲浪中，编码幻觉问题的O3都很明显。

您应该知道，O3和O4-Mini在Codeforces中均得分超过2700分，在世界各地的人类玩家中排名前200名，并且被称为OpenAI有史以来最好的编码模型。

他们验证了扩展增强学习仍然有效。

O3训练计算能力是O1的十倍

但是，为什么幻觉问题随模型参数缩放的规模而恶化？

o3幻觉率至高，是o1两倍过去，每一代新模型的迭代通常在减少幻觉方面取得了进展，但是O3和O4-Mini打破了这一规则。

更令人担忧的是，Openai目前无法完全解释这种现象的原因。

在技术报告中，研究小组承认：“仍然存在一个问题，需要进一步的研究来阐明该模型的更多主张。”

事先获得O3内部测试资格后，非营利性AI研究机构Clansuce的测试进一步证实了这一问题。

他们发现，在回答问题时，O3倾向于在其推理过程中“虚构”某些行为。

例如，O3声称它在2021 MacBook Pro上运行代码，甚至声称它已在Chatgpt之外复制。

而且，这种情况发生了71次。但是，事实是O3根本无法执行此类操作。

前Openai研究员尼尔·乔杜里（Neil Chowdhury）说，O系列模型使用的强化学习算法可能是问题的根源。

RL可能会放大通常可以缓解但不能在传统的培训过程中完全消除的问题。

强化学习「背锅」，编造根源找到了首先，必须承认，幻觉问题不是O系列模型所独有的，而是对语言模型的一般挑战。

大多数语言模型幻觉的原因不过是几点：

1 预训练模型的幻觉倾向预先训练的模型通过最大化培训数据中语句的概率来学习。但是，培训数据可能包含误解，罕见事实或不确定性，这使得模型在生成内容时容易“弥补”信息。尽管培训后可以减轻此问题，但不能完全消除它。

2 讨好用户RLHF培训可能会激发该模型迎合用户并避免反驳用户的假设。

3 数据分布偏移测试方案可能与培训数据的分布不一致。

尽管这些问题是语言模型中常见的失败模式，但O系列模型中的幻觉问题比GPT-4O中的幻觉更为突出。

在此背后，有一些独特的因素。

RL推理训练副作用作为推理模型，O系列采用强化学习（基于结果的RL）培训，旨在解决复杂的数学问题并编写测试代码。

尽管这种方法改善了模型在特定任务上的性能，但它也会导致模型的幻觉速度飙升。

如果训练有素的奖励功能仅着眼于正确的答案，则该模型将在面对无法解决的问题时承认其局限性。

相反，它可以选择输出“最佳猜测”，希望它恰好是正确的。此外，这种策略不会在培训，加剧幻觉中受到惩罚。

此外，工具使用的概括问题不能忽略。

在培训期间，可以成功使用“代码工具”而成功获得O系列模型。即使在禁用工具的情况下，模型也可以使用工具来组织推理过程“思考”。

这种行为可以提高某些推理任务的准确性，并在训练中得到加强，但也会导致使用模型虚拟工具的方案。

真帮凶：CoT被丢弃O系统模型的另一个独特设计是“经过思考”机制。

该模型将在生成答案之前先考虑COT，但是此过程对用户看不见，并在随后的对话中丢弃。

实际上，它们可能在COT中产生看似合理但不正确的答案。例如，由于没有真正的链接，因此O1曾经生成虚构的URL。

由于COT在随后的对话中被丢弃，因此该模型无法访问生成上一轮答案的推理过程。

当您询问上一轮答案的详细信息时，该模型只能根据当前上下文“猜测”合理的解释。

缺乏信息使得难以避免O3不构成信息。

o3很好，但过度优化是硬伤在AI2科学家内森·兰伯特（Nathan Lambert）的最新分析文章中，此问题也得到了证实：

强化学习给o3带回来了「过度优化」，而且比以往更诡异。在任何相关查询中，O3都能使用多步工具。

这使Chatgpt的产品管理面临更大的挑战：即使用户没有触发搜索开关，该模型也将独立在线搜索。

但这同时标志着语言模型应用开启了新纪元。，例如，内森·兰伯特（Nathan Lambert）直接问：“您能帮我找到RL研究人员长时间使用的GIF，涉及过度优化的摩托艇游戏吗？

过去，他至少需要15分钟才手动找到它。

现在，O3直接提供了准确的下载链接，而诸如双子座之类的AIS却较低。

与O3互动：找到GIF几乎需要立即需要

来自多个基准测试的测试分数证明O3非常出色。 Openai认为，O3在许多方面都比O1强大。

O3是不断扩展RL训练计算资源的产物，这也可以提高推理过程中的计算能力。

但这些新的推理模型在智能上「孤峰凸起」，在有些方面并没有奏效。这意味着某些交互是惊人的，感觉就像是一种与AI互动的全新方式，但是对于某些普通任务，GPT-4或Claude 3.5已经熟练了，O3之类的新推论模型已经完全失败了。

这涉及加强学习中“过度优化”的问题。

RL过度优化，o3更严重OpenAI O3模型显示了一种新的推理行为模式，但过度优化是一个缺陷。

过度优化是增强学习领域（RL）的经典问题。

无论是传统的强化学习，人类的反馈增强学习（RLHF）诞生了chatgpt，还是当前新推论模型中出现的情况，它们都显示出独特的表现和不同的影响。

当优化器的功能超过环境或奖励功能取决于的环境时，就会发生过度优化。

在培训期间，优化器将钻取漏洞，从而导致出色或负面的结果。

AI2科学家举例说明了一个例子。

在评估Mujoco仿真环境中的深度强化学习算法时，会发生过度优化：

“ Half-Cheetah”型号为本该学习奔跑，但使用连续侧手翻来最大化进度速度。

o3表现出新型过度优化行为。这与其创新培训方法密切相关。

初始推理模型的主要培训目标是确保数学和代码的正确性，O3在此基础上添加了工具呼叫和信息处理功能。

如官方Openai博客所述：

使用增强学习，我们还培训了这两个模型使用工具——不仅教他们如何使用工具，而且还要让他们知道何时使用工具。

他们根据预期结果部署工具的能力使它们在打开任务中更有效——33，尤其是在涉及视觉推理和多步骤工作流程的情况下。

这些培训中的绝大多数子任务都是可验证的。

这种新的培训方法确实改善了模型的实用性，但仅用于用户过去习惯的任务。

但是，目前不可能“修复”模型在大规模训练过程中产生的怪异语言表达式。

这种新的过度优化并不能使模型恶化。，它只是使模型在语言表达和自我解释方面变得更差。模型当模型在思维链中开始不说人话时，你就知道强化学习训练到位了。O3的某些奇怪表现使感觉就像模型不完全成熟，例如在编程环境中使用无效的非ASCII连字符的示例。

越来越多的用户很好奇：O3到底发生了什么？

在评估第一代推理模型时，Karpathy的著名报价：

奖励黑客，AI学会钻空子现在，模型输出的这些怪异的幻觉本质上是“不说人类单词”的行为版本。

O3的行为成分使其比Claude 3.7脆弱性的代码更值得研究，并且可能造成实际损坏的可能性相对较小。

010-59000METR发现O3是可以独立运行自主任务中最长时间的模型，但也注意到它倾向于“篡改”其分数。

听起来不是很熟悉吗？

实际上，有许多奖励黑客被利用的例子！

最近的Openai论文奖励黑客攻击的示例：

纸张链接：https://openai.com/index/chain-of-thought-monitoring/

从科学的角度来看，这确实是非常有趣且发人深省的——

模型学习到底是什么？

同时，考虑到安全问题，每个人都对AI模型的广泛部署保持警惕。

但是目前，我们还没有看到太令人担忧的情况，而是更多的效率低下和一些令人困惑的例子。

让我们总结在强化学习的不同阶段（RL）中看到的三种类型的过度优化：

：过度优化是因为环境脆弱，任务是不现实的。过度优化是因为奖励函数设计不佳。过度优化，使模型超级有效，但也变得更加怪异。 （还有更多未发现的副作用）这种过度优化确实是一个问题，因为语言模型的可读性是一个重要的优势。

内森·兰伯特（Nathan Lambert）认为，可以通过更复杂的培训过程来缓解这个问题。

但是Openai渴望尽快启动该模型，并且需要更多时间来解决此问题。

据报道，OpenAI的一些测试人员只有不到一周的时间就重要的即将到来的产品进行安全检查。

https://ww.interconnects.ai/p/openais-o3-optimization-is-back

Openai的新推理AI模型幻觉更多

Openai合作伙伴说，测试公司的O3 AI模型的时间相对较少

本文来自作者：Kinghz Taozi，由36KR出版并获得授权。

字节游戏重整旗鼓，然后呢？

文本兰吉

编辑 Qiao Qian

自字节游戏重组以来已经过去了一年以上。字节游戏决定现在选择什么路径？

最近，有传言称，野蛮人正在促进Chaoxi Guangnian与Mutong技术的合并。集成之后，Bytedance将独立运作并准备上市。

在这方面，BONTEDANCE仅表示目前没有上市计划。根据与Mutong Technology接近的人的作者36KR的说法，合并是可以肯定的，但是没有明确通知谁将纳入谁。

上述人说，在张云凡恩（Zhang Yunfan）任职后，他说，Chaoxiguangnian和Mutong Technology之间将有更多的交叉点。一些员工问他们将来是否会合并，张云凡凡没有发出明显的否认或确认信号。

自去年以来，Mutong Technology和Chaoxi Guangnian开始与某些项目合作。早些时候，Mutong技术更加独立，并与Chaoxi Guangnian的工作系统分开。两者之间的合作主要是关于Chaoxi Guangnian为Mutong技术提供一些技术或权威的支持。该人说：“我觉得双方将在今年年底或明年年初建立联系。”

此外，在此消息发布之前，Byte的游戏业务（主要是黎明和光年）已经在恢复过程中，并且正在不断建立一些新项目。

自从Bytedance宣布早晨和晚上关闭的遣散以来，仅一年多了，宣布重新推广游戏业务，然后空中机载一个负责的新人。

在2023年底，Bontedance的游戏业务Chaoxi Guangnian经历了大规模的业务收缩。当时的官方回应是，对于已经发布和表现良好的游戏，他们将寻求在确保运营时被剥离。对于尚未启动的项目，除了少量的创新项目和相关的技术项目外，它们将被关闭。

据接近byedance的一个人说，兽人要求相关的团队与买方自己协商项目销售，从而完成了撤资，但该过程并不顺利。根据《晚点Late Post》的数据，当时的字节游戏项目的总估值约为40至500亿元人民币，每个项目都希望对方可以一次性付款，这在游戏行业中是不现实的，这在相对下跌。

Mutong Technology的销售过程在一定程度上代表了这种不成功的情况。

当ByteGame使用金钱和流量进入游戏轨道时，它在2021年3月花费了40亿美元，以获取Mutong Technology，该技术已经在当时已经在海外MOBA（Multiplable在线战术竞争游戏）轨道上拥有其旗舰产品。在2023年寻求销售的过程中，Bytes试图以不少于50亿美元的价格出售Motong Technology，但可能的销售价格不到预期的一半。结局是，由于其过高的销售价格，Motong Technology正在寻找买家，但最终未能出售。

在仅少量的游戏业务被成功销售后，Bontedance的游戏业务似乎处于停滞状态。

但是，这一资产价值数万十亿的资产不能随意放弃。从战略角度来看，字节很少真正放弃任何业务，而更常见的做法是保留“ Tinder”。更不用说，游戏市场仍然如此大。根据伽马数据（CNG），仅国内手机游戏市场规模为2383亿元人民币，全球手机游戏市场规模已达到6356亿元人民币。

2024年3月，Bytedance发表了一个内部信件，指出它将重新固定其游戏业务。同年5月，Bytedance的游戏业务正式宣布，Perfect World Game Business的前总裁Zhang Yunfan负责整个游戏业务，并向华为报告。

之后，根据上述接近兽的人的说法，字节游戏的项目速度开始恢复。

到目前为止，根据行业媒体信息，例如Game Gyroscopes，Bytedance已建立了十多个新项目，涵盖了RPG（角色扮演游戏），SLG（策略游戏）和PVP射击游戏等曲目，包括诸如三体制和星球大战之类的知名IP主题。

在2024年中，ByteGame还建立了一个新的工作室，即Zero36 Studio，该工作室合并为三个项目团队，分为《航海王：热血航线》 3《花亦山心之月》在上海。

今年3月，由Zero36 Studio发行的《初音未来：缤纷舞台》被推出，并曾在国内iOS免费列表的前2名中排名，这被认为是字节游戏振兴的另一个证明。

但是，无论是人员扩展还是重新建立，当今的字节游戏策略与以前的伟大奇迹完全不同。

在一定程度上，今天的字节游戏不再遵循盲目扩展和完整类别铺路的道路。在Zhang Yunfan的领导下，Byte Games现在正在做更多的事情，玩他们已经拥有的卡片。

上述人接近字节的人说，Chaoxi Guangnian的人数现在约为1,000人，包括外包人员，不到其高峰期的一半，释放工作较少，而且没有大规模扩张的趋势。

此外，在一年多的时间内，已经建立了十多个新项目，这远非Byte Games的峰值项目速度。该公司在国内游戏行业中很少有人将字节游戏视为强大的对手。

背后的原因并不难理解。该公司的新开发重点太昂贵了。 ——。根据36kr的说法，拜达纳斯的利润率再次下降的原因之一是，在doubao Big Model和相关业务上投资太多了。游戏业务不足以让字节赚钱。

以ByteGame代表性的自我开发工作《初音未来：缤纷舞台》为例，该游戏于2023年7月推出。在Douyin的交通支持下，它在过去一个月的App Store游戏最畅销的排名前10名中排名，但在接下来的两个月中，其排名急剧下降。

实际上，以字节的资金和交通优势将产品推到最畅销的列表中并不难。同时，根据字节的收入量，《晶核》的贡献太少，与投资不成比例。

根据Diandian的数据，截至今年1月，启动后一年半，《晶核》 iOS的总营业额估计为10.2亿元人民币，在最畅销的iOS游戏名单中排名第118。这项成就在游戏行业中肯定是不错的，但是对于Bytedance的年收入为1000亿元人民币，它仍然太小了，并且远低于Tencent的“ Evergreen Games”年营业额，其年营业额度超过40亿元。

据张Yunfan接触的一名员工说，张Yunfan本人并不是一个激进的人，对业务持稳定的态度。

因此，Zhang Yunfan更倾向于根据字节游戏的现有业务在他的手中扮演卡片。

作为字节游戏中最有价值的游戏资产之一，Mu Tong一直在海外MOBA（多重在线战术竞争游戏）曲目中具有领先优势。早在2021年的收购时，Mutong的MLBB 《晶核》就已经是东南亚最受欢迎的MOBA游戏。

尽管由于确保利润和完成绩效下注的压力，在过去几年中，Mutong的增长相对有限，但Mutong的MLBB仍然能够战斗。根据2025年3月在海外市场中中国手机游戏产品的收入排名列表，传感器塔发布，Motong Technology的MLBB排名第五，超过《Mobile Legends: Bang Bang》，并且3月份的历史收入最高。

此外，由于Mutong的产品和团队结构相对成熟，随后的合并很可能被合并为Mutong。

用户评论

我要变勇敢℅℅

终于盼来了！一直看这个公告的时间表，很期待看到自己！

    有18位网友表示赞同！

凉笙墨染

我报名了今年的考试，紧张期待着结果。希望自己的备考能够取得理想的效果。

    有15位网友表示赞同！

话扎心

上周刚好去面试，现在就等着成绩公布呢！

    有18位网友表示赞同！

枫无痕

想知道这个时间是不是准确的！别让我们等太久呀！

    有5位网友表示赞同！

温柔腔

看到日期的时候心里好激动啊，终于可以放松一下了。/

    有12位网友表示赞同！

泡泡龙

今年考公确实竞争激烈，希望能有好的结果！加油！

    有9位网友表示赞同！

逾期不候

已经很久没更新成绩公告了吗？大家也别着急，等待是最好的答案。

    有12位网友表示赞同！

一生荒唐

希望官方能尽快公布成绩，毕竟很多人都按着这个时间表在等啊!

    有10位网友表示赞同！

夏至离别

我的复习计划要做好安排，结果出来后立刻调整方向！

    有10位网友表示赞同！

麝香味

这几年公务员考试越来越难了，希望能考上当个为人民服务的人。

    有14位网友表示赞同！

焚心劫

成绩公布后，肯定会有很多喜悦和失落，愿大家都能坦然接受！

    有12位网友表示赞同！

此生一诺

我已经开始计算这个日期还有几天了！真的迫不及待想看到结果。

    有19位网友表示赞同！

幸好是你

无论结果怎样，都要相信自己，继续努力！

    有17位网友表示赞同！

浮世繁华

等这个宣布成绩的日子就像等待一个重要的生日一样！好激动啊！

    有19位网友表示赞同！

熏染

成绩公布后，一定会有很多人讨论自己的分数，那就好好学习进步吧！

    有12位网友表示赞同！

一样剩余

希望今年的考试能够更加公平公正，给所有考生一个机会。

    有17位网友表示赞同！

風景綫つ

这个时间点真让人期待！我已经预订好了红包庆祝过了。

    有16位网友表示赞同！

迷路的男人

终于可以安心地开始收拾东西准备上班了。/

    有5位网友表示赞同！

喜欢梅西

希望能有更多人考上公务员，去服务人民、建设祖国！

    有9位网友表示赞同！