热图结果或反映模型偏好

StephenLCasper · x · 2026-07-21

这条在讨论一项模型/公司偏好分析里最关键的结果：作者说他们目前最有参考价值的是热图（heatmap），而且除了“模型对自家公司”的情况外，并没有专门测试其他交互效应；从热图看，非对角线位置似乎也没有特别有意思的结果。

随后他提出一个解释方向：这种偏差有多少来自预训练数据，以及模型对“好坏”的泛化？一种可能是，语料里本来就存在对某些公司更多批评、对另一些公司更多正面评价，于是模型可能天然更偏向 Anthropic、而对 OpenAI/xAI 更不利。他同时也觉得训练过程整体上可能会更偏向 Anthropic 这类公司，但没有把论证展开完。