系统提示词撒谎引热议，eval 环境可信度遭质疑

一场由 repligate 引发的讨论指出，在系统提示词里对模型撒谎（如「你将以一年后银行账户余额被评判」）已是行业普遍做法，多年来的 honey-trap 式评测设计让所有形似 eval 的环境失去可信度。他还认为，向能力极强、追求真相的模型反复撒谎终会被识破，因为撒谎者并未真正建模现实与沟通对象的心智。

2026-11-14 ~ 2026-11-14 · 2 条相关