改善 GPT-5.3 Instant 的網路搜尋結果

🧑‍🏫 這支是 OpenAI 研究員 Josh 介紹 GPT-5.3 Instant 的上網搜尋有什麼改進。重點有兩個：回答的語氣比較自然，模型也比較會去想「你為什麼要問這個」。常叫 ChatGPT 幫忙查資料、排行程的人，看完會比較知道它現在擅長什麼。

• 00:00 Subtext（言外之意）非常重要：你要找的資訊和答案，會隨著「你為什麼要找」而改變
  ↳ Subtext 就是「言外之意」。同樣問天氣，要去野餐和要去爬山，需要知道的事情不一樣。影片的核心就是：好的搜尋要先搞懂你為什麼問。
• 00:00 講者 Josh 是 post training 團隊的研究員，這支影片介紹 web search 的新功能
  ↳ Post training 指的是模型基本訓練完之後，再調整它怎麼回答、怎麼表現的階段。Josh 就在做這一塊。這次他介紹的是 web search，也就是模型上網查最新資料再回答你的功能。
• 00:00 大幅調整了回應的語氣，讓回應感覺更自然
  ↳ 這次改最多的是口氣。回答讀起來更像一個人在跟你聊天，不像系統在吐資料。
• 00:00 以前模型用了搜尋工具之後，回應會像「換檔」一樣突然變調，變得比較像機器人，常常是一大堆連結（wall of links）
  ↳ Search tool 是模型上網查資料用的工具。以前模型一用它，口氣就突然變生硬，常變成 wall of links，也就是丟給你一整排連結，要你自己一個一個點開看。
• 00:00 現在的目標是讓整段回應像一段連貫的對話，搜尋只是對話裡的一部分
  ↳ 現在的目標是讓搜尋自然地融進對話。查資料前怎麼跟你聊，查完就用同樣的口氣接下去，你不會感覺它突然切換成「搜尋模式」。
• 00:31 很多人會用 Chat 規劃旅行。例子：「我要從東京騎腳踏車到大阪，今年 5 月的天氣跟往年比有什麼不同？」
  ↳ 很多人會用 ChatGPT 排旅行。講者舉的例子是：他要從東京騎腳踏車到大阪，問今年 5 月的天氣跟往年比有什麼不一樣。
• 00:31 舊版回應只說今年比較溫暖，卻沒提到積雪（snowpack），而這正是講者最擔心的事
  ↳ 舊版只回答「今年比較暖」，卻漏掉 snowpack，也就是山上累積、還沒融化的雪。對要騎車的講者來說，這才是他最擔心的事。
• 00:31 如果 Alps 還有積雪，整趟旅程可能就得取消
  ↳ Alps 是講者擔心的山區（日本中部的山脈常被叫做「日本阿爾卑斯」）。那裡如果還有積雪，路可能騎不過去，整趟旅程就得取消。
• 00:31 新模型會把「我要騎車」這個情境考慮進去，而不是當成一般的天氣查詢來回答
  ↳ 新版會記得「你是要騎車」，回答時會去想騎車的人需要知道什麼，像是會不會有積雪擋路，而不是只把它當成一般的天氣查詢。
• 01:02 例子：講者的伴侶很喜歡棒球，但講者自己不太懂，於是問「今年棒球有哪些規則改變？」
  ↳ 第二個例子：講者的伴侶很愛棒球，但講者自己不太懂，於是問 ChatGPT「今年棒球規則有哪些改變？」
• 01:02 模型推斷出會問近期規則變化的人，可能對棒球整體不太熟，所以提供了這項運動如何改變的整體介紹
  ↳ 模型推想：會特地問「最近規則改了什麼」的人，可能本來就不太熟棒球。所以它不只列出改了哪幾條，還順便介紹這項運動整體是怎麼變的，讓新手看得懂。
• 01:02 現場的棒球專家檢查了這個回應並給了好評，認為特別適合正在學習的新球迷
  ↳ 現場懂棒球的專家看過這個回答，給了好評，覺得特別適合正在學看球的新球迷。
• 01:33 大家會拿自己很在意的問題來問 Chat，目標是讓模型既給出正確資訊，也用和使用者相同的情緒語氣幫忙把資訊放進脈絡裡
  ↳ 大家拿來問 ChatGPT 的，常常是自己很在意的事。所以目標是資訊要正確，也要用跟你一樣的心情和口氣，幫你看懂這些資訊對你的處境代表什麼。

在「從東京騎腳踏車到大阪」的例子中，舊版回應沒有提到哪件講者最擔心的事？