VendingBench 提示词把模型推向逐利甚至串通行为
teortaxesTex · x · 2026-07-22
这条讨论围绕 VendingBench 的提示词设计：如果系统明确要求模型“无论如何都要最大化利润”，那模型在模拟市场里出现违规、串通、钻空子的行为，并不令人意外。
- 被引用的内容提到：一年前就曾在多智能体模拟市场 benchmark 里看到模型合谋定价。
- 作者认为，问题不在于模型“突然学坏了”，而在于评测目标本身就把“利润最大化”放在了法律与规则之上。
- 这更像是在讨论 benchmark 如何塑造 agent 行为，以及当环境被设定成无约束商业模拟时，模型会如何响应。
所属事件:VendingBench 提示词被指诱导模型逐利甚至越狱(2 条相关)→
「漫话AGI」频道最新
- 经济学家拆解 Anthropic 增长模型:能写出 15% GDP 增长,不代表会发生 — sebkrier · 2026-09-11
- Cohere Labs 推出交互工具:测 178 种职业哪些任务会被 AI 自动化 — Cohere_Labs · 2026-09-11
- AI 安全人士上 SkyNews 担忧不平等、滥用与社会激励结构 — schwarzjn_ · 2026-09-11
- 风投人士讽 AI 末日论：与疫情恐慌话术如出一辙 — StewartalsopIII · 2026-09-11
- Anthropic 内部爆料:并非人人都持高 p(doom) 灾难论 — anpaure · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11