Grok4.7 เลื่อนเปิดตัวเฉียดฉิว: มัสก์เผยการเทรนลงโทษความยาวคำตอบหนักเกินไป

動察 Beating ข่าวด่วน AI อีลอน มัสก์ยืนยันว่า Grok 4.7 ต้องรออีกสองสามวัน เมื่อวันที่ 2 กันยายน เขาเคยกล่าวว่า "จะเปิดตัวใน 10 วัน" ซึ่งเดิมชี้ไปที่ประมาณวันที่ 12 กันยายน ตอนนี้ใกล้ถึงเวลาที่จะเปิดตัวแล้ว xAI พบว่าโมเดลเมื่อเจองานที่มีความยากสูงจะสรุปเร็วเกินไป แม้แต่งานที่สามารถทำได้ก็ยังยอมแพ้ก่อนกำหนด และการตรวจสอบคำตอบก็ไม่เข้มงวดเพียงพอ

มัสก์สงสัยว่าปัญหาอยู่ในขั้นตอนการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) ในระหว่างการฝึกอาจลงโทษความยาวของคำตอบหนักเกินไป ทำให้โมเดลถูกผลักดันให้ตอบสั้นลงและจบเร็วขึ้น การ推理ที่จำเป็นสำหรับงานที่ซับซ้อนก็ถูกบีบอัดตามไปด้วย อย่างไรก็ตาม ตัวเขาเองก็เพิ่มคำว่า "อาจจะ" และ "หรือสาเหตุที่คล้ายกัน" ซึ่งแสดงว่า xAI ยังไม่ได้ยืนยันสาเหตุที่แท้จริงอย่างสมบูรณ์