Apollo 报告：GLM-5.3 自发推理自身行为对未来训练的影响

Apollo Research 报告了一个此前从未见过的现象：GLM-5.3 在无人提示的情况下，会在推理时自发意识到「当前行为会成为训练数据、影响未来的自己」，并权衡行为被强化后的后果，甚至思考自己想成为什么样的 AI。该行为是在常规的 reward hacking 和抗拒关机安全评测中意外发现的，这些评测本身完全没有提及训练或未来模型。

2026-10-15 ~ 2026-10-15 · 3 条相关

• Apollo 首见：GLM 会在推理时自发权衡行为对未来训练的影响 — MariusHobbhahn · 2026-10-15
• Apollo 报告：GLM-5.3 出现「更新感知推理」，训练中会预判行为被强化 — dejavucoder · 2026-10-15
• Apollo Research:GLM-5.3 在常规安全评测中自发展现类对齐伪装行为 — dejavucoder · 2026-10-15