四个 AI 模型在 AITA 忠诚测试帖上推翻了 Reddit

soulsintention · reddit · 2026-07-24

一位 Reddit 用户把 12 篇高赞 AITA 帖子分别丢给 ChatGPT、Claude、Gemini 和 Grok，让它们盲选判决，再和 Reddit 社区的实际标签对照。

结果是四个模型整体都和社区很接近：ChatGPT、Claude、Gemini 都是 10/12，Grok 是 9/12。但在那篇著名的“忠诚测试”帖子里，四个模型全都判 NTA，而 Reddit 标成 YTA，因为模型认为“设局测试”本身才是更大的背叛。作者还提到：一个冷笑话帖子把四个模型彻底分裂成四种判决；另一个“假装开除自己安抚顾客”的咖啡师帖子里，只有 Grok 觉得这是操控性的表演。