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。
「Fun」频道最新
- 让 Claude 只用维基百科句子写文章,被称 100% 像人写的 — andrew_n_carr · 2026-11-16
- 网友用 100% AI 自定义游戏引擎做「鱼类播报」周更视频 — JynsRealityIsBroken · 2026-11-16
- Humble Bundle 改版移除两步验证,全站仅剩两名工程师押注 AI — jonerp · 2026-11-16
- levelsio:欧洲人最适应后 AGI 时代,因为早已习惯不工作 — alexmacgregor__ · 2026-11-16
- 开发者用 ui-sdk 打造网页口袋和弦乐器 ui-chords — evilrabbit_ · 2026-11-16
- 网友用 Claude 搭出 5D 贪吃蛇,还训练 AI 来玩它 — Angaisb_ · 2026-11-16