Los nuevos modelos de razonamiento o3 y o4-mini de OpenAI<\/strong><\/a> ofrecen m\u00e1s resultados con alucinaciones que los modelos de razonamiento anteriores de la compa\u00f1\u00eda<\/strong>, con pr\u00e1cticamente el doble de la tasa de alucinaciones registradas en el modelo o1, seg\u00fan pruebas internas de la evaluaci\u00f3n PersonQA<\/strong>.<\/p>\n La tecnol\u00f3gica present\u00f3 su nueva familia de modelos de la serie o, centrada en el razonamiento<\/strong>, la semana pasada, concretamente, con los modelos o3 y o4-mini, que est\u00e1n dise\u00f1ados para programar, navegar por la web y generar im\u00e1genes de manera aut\u00f3noma, incluso, con capacidad para \u201cpensar con im\u00e1genes\u201d.<\/p>\n A pesar de las novedades que integran los \u00faltimos modelos de OpenAI, se han encontrado problemas relacionados con alucinaciones en sus resultados<\/strong>, esto es, una cuesti\u00f3n que sufren algunos modelos de Inteligencia Artificial (IA) y que se basa en ofrecer resultados que, a pesar de presentarse de manera coherente, incluyen informaci\u00f3n incorrecta, sesgada, err\u00f3nea o, incluso, inventada<\/a>.<\/p>\n En concreto, los nuevos modelos de razonamiento o3 y o4-mini, alucinan con m\u00e1s frecuencia que los modelos de razonamiento presentados anteriormente por OpenAI, como es el caso de los modelos o1, o1-mini y o3-mini, incluidos otros modelos anteriores como GPT-4o.<\/p>\n As\u00ed lo ha se\u00f1alado OpenAI, en base a los resultados obtenidos en sus pruebas internas sobre alucinaciones, con la evaluaci\u00f3n PersonQA, un sistema que pone a prueba los modelos midiendo la precisi\u00f3n de los intentos de respuesta<\/strong>. Tal y como lo ha explicado en el informe t\u00e9cnico, PersonQA valora la precisi\u00f3n, es decir, si el modelo responde correctamente a la pregunta, y la tasa de alucinaciones, la frecuencia con la que el modelo alucina en sus respuestas.<\/p>\n En este sentido, el modelo o4-mini obtuvo peores resultados que los modelos o1 y o3 en las alucinaciones<\/strong>, aunque OpenAI ha se\u00f1alado que \u201cera de esperar\u201d porque los modelos m\u00e1s peque\u00f1os \u201ctienen m\u00e1s conocimientos del mundo y tienden a alucinar m\u00e1s\u201d.<\/p>\n Asimismo, los resultados de PersonQA tambi\u00e9n han reflejado algunas \u201cdiferencias de rendimiento\u201d al comparar o1 y o3, subrayando que o3 tiende a hacer m\u00e1s afirmaciones en general, lo que lleva a afirmaciones m\u00e1s precisas, as\u00ed como afirmaciones \u201cm\u00e1s inexactas o alucinadas\u201d.<\/p>\n Seg\u00fan los resultados mostrados, o3 alucin\u00f3 al responder el 33 por ciento de las preguntas realizadas por la evaluaci\u00f3n PersonQA<\/strong>. Esto equivale a pr\u00e1cticamente el doble de la tasa de alucinaciones del modelo o1 de OpenAI. Por su parte, o4-mini, obtuvo un resultado del 48 por ciento en la tasa de alucinaciones.<\/p>\n A pesar de estas conclusiones en las pruebas, OpenAI ha afirmado que, por el momento, continuar\u00e1n investigando para \u201ccomprender la causa de este resultado\u201d, y porqu\u00e9 las alucinaciones han aumentado con concretamente con los modelos de razonamiento.<\/p>\n Igualmente, seg\u00fan ha detallado el portavoz de OpenAI, Niko Felix, en declaraciones a TechCrunch<\/a>, abordar las alucinaciones en todos los modelos de OpenAI \u201ces un \u00e1rea de investigaci\u00f3n continua\u201d, en la que trabajan para mejorar la precisi\u00f3n y confiabilidad.<\/p>\n
![\"Futuria\"](\"https:\/\/arc-static.glanacion.com\/pf\/resources\/images\/futuria.svg?d=1803\")
<\/a><\/p>\n