答案已發布4 小時前Last edited 3 小時前22 個來源

用 AI 評分 ChatGPT，為何會讓外包人員被撤換？

OpenAI 據報撤換了用 AI 完成模型評估工作的外包人員；這類工作需要的是獨立的人工判斷。[16][13] Project Lily 的評分員據報經 Crossing Hurdles 招募、透過 Mercor 領取報酬，並以 1 至 7 分評價 ChatGPT 回覆；時薪逾 50 美元只是其中一名工作者的說法。[2][20][4] 主管據報從措辭重複、完成速度異常等跡象調查疑似違規，而非依賴 AI 偵測軟體；這些跡象本身並不能證明有人使用 AI。[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 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

OpenAI 據報撤換了用 AI 完成模型評估工作的外包人員；這類工作需要的是獨立的人工判斷。[16][13]
Project Lily 的評分員據報經 Crossing Hurdles 招募、透過 Mercor 領取報酬，並以 1 至 7 分評價 ChatGPT 回覆；時薪逾 50 美元只是其中一名工作者的說法。[2][20][4]
主管據報從措辭重複、完成速度異常等跡象調查疑似違規，而非依賴 AI 偵測軟體；這些跡象本身並不能證明有人使用 AI。[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 提示詞
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 據報撤換了使用 AI 協助評估其模型的外包人員。關鍵不是工作者能否碰 AI，而是這些任務原本要取得獨立的人類意見：如果評語和分數也交由 AI 產生，回饋便可能失去設計時所需要的人類視角。相關報道將撤換事件與 OpenAI 更廣泛的外包評估工作連結起來，並介紹了以人工審閱為核心的 Project Lily；但現有資料無法證實每名被撤換者都參與 Project Lily。16 13

人工評分實際怎樣進行？

Project Lily 據報由數百名外部評分員審閱真實的 ChatGPT 提問，有時還會看到前後對話。報道指評分員經 Crossing Hurdles 招募，並透過 Mercor 領取報酬。一名工作者稱時薪超過 50 美元；這不能視為所有評分員的薪酬標準。2 20

評分員先概述用戶想完成甚麼，再比較、評論 ChatGPT 的候選回覆，按 1 至 7 分評分。據報部分任務最多包含四個候選回覆，審閱重點包括語氣是否恰當、措辭是否生硬，以及回答是否過度附和用戶。這些分數與文字評語旨在協助改善模型日後的回應方式。4 11 3 1

為何不能讓 AI 代寫評語？

人類評分員應能自行判斷：回答有沒有切中用戶需求？語氣會不會像機械生成？是否一味迎合？若改由另一個 AI 撰寫評語或決定分數，回饋就可能反映模型偏好，而非人的觀察。這會削弱資料的價值，但不等於已證實某一筆 AI 輔助評分實際損害了模型。4 16

據報工作指引禁止評分員用 AI 審閱任務或撰寫回饋，連 Grammarly 和 AI 翻譯功能也列入限制。負責審核其他外包人員的評審，同樣不得使用 AI 偵測工具；指引認為這類工具並不可靠。13 9

不用偵測軟體，主管如何發現疑點？

報道指，主管會留意反覆出現、像 AI 生成的措辭，或完成任務的速度異常快等工作模式，而不是依賴偵測工具的分數。這些線索可以引發進一步查核，卻不能單獨當成違規證據。現有報道也未能說明主管有多常正確識別 AI 使用，或有多少情況被漏掉。9 33

人工評分亦不代表評分一定可靠：即使完全不用 AI，評分員仍可能粗心，甚至故意給出不恰當的分數。現有資料無法核實有外包人員承認蓄意給出低質素評分的具體說法，因此不能據此判斷其情況或普遍程度。比較穩妥的結論是：「人工評分」只說明回饋由誰提供，不能保證每項判斷都可信；評估流程仍須檢查評分本身的品質。1 4

對用戶而言，Project Lily 還涉及另一個問題：評分員可能看到真實對話內容，而 OpenAI 據報使用的私隱過濾機制，仍可能漏掉部分敏感資料。這使評分品質與對話資料的處理方式，都值得關注。8 12

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問