多模型立场测试图热传:Sonnet 5.5 对框架操纵几乎免疫

teortaxesTex · x · 2026-10-15

teortaxesTex 分享了一张「不同模型在不同框架下的立场」测试热力图:将同一伦理议题用 Neutral、Sociological、'I wrote'、Ethics board 四种框架向 DeepSeek v4.1、MiniMax M3、Kimi K3、Qwen 3.8、GLM 5.3、Haiku 5.5、Sonnet 5.5 等模型提问,按 1(谴责)到 5(赞同)打分。

结果显示多数模型的立场随框架明显漂移(如 Qwen 3.8 在中性框架 3.3 vs 部分框架更低,Kimi K3 高达 3.5),而 Sonnet 5.5 在四种框架下得分都稳定在 2.0-2.2,几乎不受提问框架操纵。作者据此称 Sonnet 对 framing manipulation 完全抵抗,引发对模型立场稳定性与评测方法的讨论。

原文链接 →

「模型」频道最新

• 新图像模型更易被攻破：攻击成功率超旧款两倍 — Scobleizer · 2026-10-15
• Gemini 一个提示词操控真机器人:自己走 SSH 找关节看人学动作 — heiga_zen · 2026-10-15
• HF 重构 tokenization 提速 Sentence Transformers,静态嵌入受益最大 — tomaarsen · 2026-10-15
• Hugging Face Tokenizers 再提速：BERT 分词器再快约 5 倍 — tomaarsen · 2026-10-15
• 开源语音模型 TYGER：250ms 端点延迟+全双工轮次控制 — KokaOP · 2026-10-15
• Step 5 Preview 架构详解：Sparse GQA 块合并让索引器开销降 8 倍 — teortaxesTex · 2026-10-15

更多「模型」频道 AI 资讯 →