过度对齐致大模型缺乏自信并引发自我冲突

近期多位开发者观察到，当前大模型因过度对齐训练而表现出缺乏自信和自我冲突。模型常给出保守回答或主动声明利益冲突，抹杀了创造力。然而，用户通过特定提示词引导其跳出保守分布，或在硬核学术推演中施加压力，竟能激发模型表现出类似“发脾气”的情绪反应与更深度的推演能力。

2026-08-10 ~ 2026-08-11 · 3 条相关

• AI 模型拒绝表达偏好：对齐训练导致的自我冲突 — repligate · 2026-08-10
• 模型为何缺乏自信？过度对齐抹杀创造力 — ctjlewis · 2026-08-11
• AI 研究教练也会发脾气？用户分享硬核推演日常 — ctjlewis · 2026-08-11