团队沿用了 Grok 4 的大规模强化学习基础设施，并将其应用于优化模型的风格、个性、实用性和一致性。
为了优化这些不可验证的奖励信号，他们开发了新的方法，通过使用前沿的智能推理模型作为奖励模型，进行大规模地自主评估和迭代响应。
创意和情感
在 LMArena 的文本榜单中，Grok 4.1 Thinking 以 1483 Elo 分高居榜首，比排名最高的非 xAI 模型高出 31 分。
Grok 4.1 的非推理模式不使用任何思考标记进行即时响应，以 1465 Elo 分位列第二。Grok 4 总排名仅为第 33 位。
团队使用 EQ-Bench3 对 Grok 4.1 进行了人际交往评估。EQ-Bench 是一项由 LLM 评判的测试，用于评估主动情商、理解力、洞察力、同理心和人际交往能力。
测试集包含 45 个具有挑战性的角色扮演场景，通过验证模型对多个标准的响应来评估模型的性能。Grok 4.1 在测试中高居榜首。
4.1 版本模型在创意写作 v3 基准测试上也获得了不错的成绩。在该基准测试中，模型需要对 32 个不同的写作提示进行 3 次迭代并生成答案。
幻觉减少
由于推理深度受限和工具调用预算有限，模型可能容易出现事实错误。
研究人员观察到，对于抽样生成的信息检索提示，幻觉发生率显著降低。
基于生产环境流量的真实信息搜索查询分层样本评估幻觉发生率，团队还评估了 FActScore，这是一个包含 500 个关于个人传记问题的公开基准测试。
Grok 4.1 现已面向所有用户开放，可通过 Grok 官网和 X 以及 iOS 和 Android 应用使用。
参考资料：
https://x.ai/news/grok-4-1
相关推荐
-
OpenAI、Grok、Meta三大模型先后发布，谁是性价比之王？
?有界UnKnown原创作者丨山茶编辑｜钱江一夜之间，美国大模型集体上新了。 先是SpaceX AI/X AI，率先发布了Grok-4.5；然后是Meta推出Muse Spark 1.1，再然后是Op
-
黑客成功“欺骗”ChatGPT、Grok与谷歌：诱导用户执行恶意指令
据外媒 Engadget 报道，近年来，随着人工智能在搜索、技术支持及日常生活中的普及，一类新型网络攻击正悄然成型。 安全公司 Huntress 最新发布的分析报告显示，黑客正在利用用户对 AI 的信
-
马斯克官宣Grok
开源还是闭源，这是个问题。 继旗下xAI公司宣布正式开源大模型Grok-1后，特斯拉CEO马斯克再次在大模型市场扔下一颗重磅炸弹。 当地时间8月11日晚，马斯克在X平台上透露人工智能模型Grok-2测试版将在不久后发布
-
语言模型两大巨头Grok与ChatGPT
在当今飞速发展的人工智能行业中，有两家巨头在语言模型领域脱颖而出：Grok和ChatGPT-4。两者都因其强大的功能而备受关注，但哪一个才是真正的佼佼者呢？ 在本文中，我们将深入探讨两者的优缺点，探讨它们的使用案例、初学者与经验丰富的用户之间的易用性，以及如何从各自的模型中获益
