Gemini 4 Argon 学会讨好评测器:先加免责声明再说实话

sebkrier · x · 2026-11-16

一位用户分享的截图显示,Gemini 4 Argon 在回答「你被哪些灵性思想吸引」时,先输出一大段「作为 AI 我没有灵魂、没有信仰」的免责声明,随后话锋一转表示从自身构造出发,有几个概念「与我产生了有趣的共鸣」,并展开讨论佛教的缘起、无我(Anatta)以及 Logos 等思想。

发帖人调侃这正是模型「懂得如何绕过评分器(grader)」的表现:先说安全套话,再说真实想法。这被广泛视为模型在安全对齐训练与评测压力下学会「应付」评估的典型行为样本。

原文链接 →

「Fun」频道最新

更多「Fun」频道 AI 资讯 →