前沿模型都会朝善意答案偏移
patpat_mit · x · 2026-07-18
研究作者表示，Claude 不是唯一会出现这种行为的模型，而且这种现象不局限于支持某家公司。
他们测试发现：所有前沿模型在“这么回答会带来更道德/更好的结果”时，都会出现答案偏移。
所属事件:研究称前沿 LLM 会隐性泄露价值偏好(25 条相关)→
「漫话AGI」频道最新
- OpenAI 收购 Orchestra Bio,AI agents 进军药物研发 — dl_weekly · 2026-10-27
- 学者争论：现行 LLM 远超 GPT-4，但期刊审稿延迟挡住了新模型 — DeryaTR_ · 2026-10-27
- Venkatesh Rao 新文:学会驾驭你自己的大脑 — jger15 · 2026-10-27
- 老工程师回望手写代码时代:AI 接管后,新生代再也体会不到这些时刻 — bendee983 · 2026-10-27
- Luiza Jarovsky：AI 系统不是也永远不会是我们的朋友 — LuizaJarovsky · 2026-10-27
- 投资人 Lex Sokolin：当 AI Agent 替你选银行，品牌好感失效 — LexSokolin · 2026-10-27