1931 年前语料训练的 13B 模型跑人格实验:前互联网 LLM 涌现错位仍存在

dhadfieldmenell · x · 2026-10-14

David D'Africa 与 statuseffects 团队发布新工作「Personas in a Pre-Internet Language Model」:在 Talkie(一个仅用 1931 年前英文语料训练的 13B 模型)上运行了一系列人格实验,包括 emergent misalignment、subliminal learning、utility engineering 与 personality evals,考察这些现象在前互联网模型中是否依然出现。

Owain Evans 评价称期待结果随 Talkie 类模型变强而更干净——因为人格效应在较弱模型上往往更混乱;他还对大规模扩展「复古 LLM」感到兴奋,希望做出训练到约 2010 年的版本:懂编程、但完全不了解现代 LLM 训练与评测的世界。