答案已發布4 小時前Last edited 3 小時前22 來源

OpenAI 點解移除用 AI 評分 ChatGPT 嘅外判人員？

OpenAI 據報移除用 AI 完成本應由人判斷嘅模型評估工作嘅外判人員；報道未能確認所有被移除者都參與 Project Lily。[16][13] Project Lily 評審據報經 Crossing Hurdles 招募、透過 Mercor 收取報酬，並以 1 至 7 分評估 ChatGPT 回答；時薪逾 50 美元係一名工作者嘅說法，唔代表所有人。[2][20][4] 主管據報會留意措辭重複、完成速度異常等跡象，而唔係倚賴 AI 偵測軟件；單憑呢啲跡象亦唔足以證明有人違規。[9][33]

發布者使用 GPT-6 Sol 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查核事實瀏覽更多熱門頁面

研究答案

重點

OpenAI 據報移除用 AI 完成本應由人判斷嘅模型評估工作嘅外判人員；報道未能確認所有被移除者都參與 Project Lily。[16][13]
Project Lily 評審據報經 Crossing Hurdles 招募、透過 Mercor 收取報酬，並以 1 至 7 分評估 ChatGPT 回答；時薪逾 50 美元係一名工作者嘅說法，唔代表所有人。[2][20][4]
主管據報會留意措辭重複、完成速度異常等跡象，而唔係倚賴 AI 偵測軟件；單憑呢啲跡象亦唔足以證明有人違規。[9][33]

Illustration accompanying a report about human evaluation of ChatGPT responses — Why did OpenAI remove contractors from Project Lily for using AI tools to evaluate ChatGPT responses, how does the project recruit and pay hAI-generated editorial illustration; it does not depict a Project Lily reviewer or workplace.
AI 提示
Create a landscape editorial hero image for this Studio Global article: Why did OpenAI remove contractors from Project Lily for using AI tools to evaluate ChatGPT responses, how does the project recruit and pay h. Article summary: OpenAI reportedly removed contractors because Project Lily pays for independent *human* judgments about ChatGPT replies; using AI to produce those judgments breaks the project’s rules and risks feeding model-generated ju. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com

OpenAI 據報移除咗一啲用 AI 協助評估旗下模型嘅外判人員。表面睇似係「AI 公司唔畀員工用 AI」，但關鍵係呢類工作要收集獨立嘅人類判斷：如果評語同分數由另一個 AI 代寫、代揀，回饋就未必反映真人點睇 ChatGPT 嘅回答。報道將移除事件連繫到 OpenAI 整體嘅外判評估工作，並提到以人手審閱為核心嘅 Project Lily；但未能證實每個被移除嘅人都喺 Lily 工作。16 13

Project Lily 嘅評審做啲乜？

據報，Project Lily 有數百名外判評審閱讀真實 ChatGPT 提問，有啲任務仲會見到前後對話。評審據報經 Crossing Hurdles 招募，並透過 Mercor 收取報酬。一名工作者話自己時薪超過 50 美元，但呢個唔係所有評審嘅已核實薪酬。2 20

評審會先概括用戶想達成乜嘢，再比較 ChatGPT 嘅候選回答、寫評語，並以 1 至 7 分評分。報道指，有啲任務涉及最多四個候選回答，評審會留意語氣、措辭係咪生硬，以及模型會唔會過分附和用戶。呢啲評分同評語旨在幫助改善模型日後嘅表現。4 11 3 1

點解唔可以叫 AI 幫手評分？

人手評審嘅價值，在於可以獨立判斷回答有冇切中用戶需要、語氣係咪恰當。如果改由 AI 撰寫評語或揀分數，回饋就可能混入模型本身嘅偏好，削弱呢道獨立把關。呢個係對回饋質素嘅風險，唔等於已證實某一項 AI 輔助評分令模型變差。4 16

據報，工作指引禁止評審用 AI 審閱工作或撰寫回饋，當中包括 Grammarly 同 AI 翻譯功能。負責審核其他外判人員嘅評審，亦被要求唔好用 AI 偵測工具；指引認為呢類工具唔可靠。13 9

唔靠偵測軟件，點樣發現可疑工作？

報道指，主管會留意重複、似 AI 生成嘅措辭，或者異常快嘅完成速度，再決定係咪需要進一步查核。呢啲可以係警號，但單憑佢哋唔足以證明有人用 AI；現有報道亦冇交代主管辨認違規有幾準確，或者漏判幾多次。9 33

同樣地，由真人畀分，唔代表分數一定可信：人都可能粗心，亦可能故意畀出差嘅評分。不過，現有資料未能核實有人承認刻意畀劣質評分呢項具體指稱，因此唔能夠判定事件細節或有幾普遍。可以確定嘅教訓係，「人手評分」只講到回饋由邊個提供；要令評估可靠，仍然要檢查判斷本身嘅質素。1 4

對用戶嚟講，仲有另一個值得留意嘅問題：Project Lily 評審可能睇到真實對話文字，而 OpenAI 據報使用嘅私隱過濾系統未必能夠刪走所有敏感資料。除咗評分係咪可靠，對話內容點樣交到評審手上，同樣重要。8 12

Studio Global AI

繼續你的研究

此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。

使用 Studio Global AI 搜尋並查核事實

人們還問