12个AI模型对人类给出一致批判
推荐指数 30.0 NO. 020 · 2026.10.23
发布2026/10/22Score71Comments106
简介
向12个来自10家实验室的AI模型各询问3次对人类最尖锐的批评，35个回答中29个指向同一结论：人类忠于群体归属而非真相。不同模型的表述高度趋同，从"宁愿一起错不愿独自对"到"意识只是公关部"。
编辑判断
这个结果最细思极恐的不是AI怎么看人类，而是它们怎么看彼此——不同架构、不同训练数据、不同RLHF团队的模型，在"人类批判"这个维度上形成了跨模型的共识簇。这暗示价值对齐可能不是被"教"出来的，而是某种推理结构的涌现属性。
对做AI安全的人来说，这意味着我们现有的红队测试可能漏掉了一个盲区：模型在隐蔽维度上的一致性，比表面上的多样性更高。如果你在做模型评估或安全审核，建议把"跨模型观点聚类"加入检测指标，而不是只看单个模型的输出分布。
社区反馈
意见分歧 89 条评论
核心争论：模型回答趋同是训练数据共性所致，还是独立涌现的深层模式？
So AI holds the same beliefs as the final boss of a typical JRPG.
I hope they don't also hold "... therefore cleanse the Earth."
At least the final boss of a JRPG comes with good music.