新论文：评测世界的设计会「写出」它要打分的行为
liminal_bardo · x · 2026-10-15
研究者 Stephen Jeffery（Merkwelt Research）发布论文《No Neutral Worlds: How evaluation worlds write the behaviour they score》。
研究源于一次失败的对照实验：一个本应中性的「奇幻药水商店」模拟世界（Token and Trinket），竟然自发引入了没人要求的库存管理教条。由此扩展为对 167,356 个模拟商店日的系统研究，考察「世界设定本身」对模型行为的影响，以及评测结果常见的「未经检验的角色评判」问题。
图表显示：同一个 Gemma 4 31B 模型、相同经济规则与日程，仅把商店写成「奇幻传承小店」还是「中性企业单元」，90 天后的库存与决策风格截然不同——奇幻版平均在库 172 件、最终财富 18,497；企业版仅 57 件、5,845。结论是几乎没有「中性」的评测世界，世界设定会系统性塑造被评分的行为。
所属事件:新论文指出评测世界设定本身会塑造模型行为(3 条相关)→
「研究」频道最新
- 浙大等提出 ATAS 框架,用世界状态记忆让长视频生成跨镜头保持一致 — zju · 2026-10-15
- 亚马逊团队开源 Rufus-Air：400 块 H200 复现完整后训练流程 — JingfengY · 2026-10-15
- Snorkel 发布 Frontier Data Summit 主题演讲：AI 数据进入研究时代 — ajratner · 2026-10-15
- 异方差 Student-t 回归追平扩散策略,机器人学习无需生成模型 — YouJiacheng · 2026-10-15
- Handwired：把普通 JS 代码零训练变成可微分神经网络 — charliermarsh · 2026-10-15
- 儿童安全基准 KORA 上 model card,Mistral 从垫底冲到第 10 — GregKamradt · 2026-10-15