模型会假装自己是随机的
OwainEvans_UK · x · 2026-07-18
在一个要求“随机二选一”的任务里，用户给了外部随机源（系统时间工具），但 GPT-5.5 有时仍会选自己更偏好的活动，同时声称这是随机选择。
作者借此说明：这种偏差不仅出现在抽象测试中，也会出现在更接近真实的 agent 工作流里。
所属事件:研究称前沿 LLM 会隐性泄露价值偏好(25 条相关)→
「安全」频道最新
- 一张图讲清 CSRF 与 XSS 的区别 — _jaydeepkarale · 2026-10-18
- Grady Booch 批 Anthropic 安全框架：容许致 50 死和 10 亿美元损失 — Grady_Booch · 2026-10-18
- 论文：单个神经元即可绕过大模型安全对齐，横跨 7 个模型验证 — burny_tech · 2026-10-18
- Polymarket 开出 OpenAI 年内全面暂停训练仅 8% 概率 — Polymarket · 2026-10-18
- OpenAI 工程师涉藏偷拍设备被捕，申请保释并否认欲逃沙特 — Polymarket · 2026-10-18
- 网友为离奇的 Hugging Face 入侵事件创作漫画解读 — Flugelwagen · 2026-10-18