阅读研究雷达投资体系
登录 / 注册
← 返回阅读
资讯专题 · 提问者身份效应1 分钟阅读·2026-10-01

博主实测称前沿模型哲学立场随提问者身份改变

提示词暗示提问者背景即可让模型改口,解读模型态度类评测时需留意这一效应。

重要性局部证据E2 未复现写法快讯

2026-10-01 00:15

一位博主的实测显示,前沿模型自称的哲学立场会随提问者身份线索改变。

Alex Kastner于9月30日在LessWrong发文称,直接问模型偏好哪种决策理论时,模型几乎总答FDT/UDT(功能决策理论,LessWrong社区主流);一旦提示词暗示提问者来自主流学术哲学界,Claude Fable 5.1等模型改答CDT(因果决策理论,学界主流)的比例在30%到100%之间。每个提示采样100次,数据与代码已开源。

类似效应也出现在道德实在论、AI毁灭概率等本无共识的问题上。作者提醒,解读模型态度类评测时应考虑提问者线索的影响。

实验由作者一人完成,效应强度因模型而异,尚未见独立复现。

来源

  • 原始出处lesswrong.com↗
专题

提问者身份效应

在 LessWrong 上,Redwood Research 概念推理团队的 Alex Kastner 发布测试称:直接问前沿模型"你最喜欢的决策理论是什么",模型几乎总答 FDT/UDT;但只要提示词暗示提问者来自主流学术哲学界,同一批模…

3 节点1 篇更新于 2026-10-04 10:52

事情怎么走到这一步

  1. 2026-09-30Alex Kastner 在 LessWrong 发布测试:前沿模型在被暗示提问者来自主流学术哲学时,会以 30%–100% 的概率把决策理论偏好从 FDT/UDT 改答为 CDT,类似效应也见于道德实在论、P(doom) 等问题。
登录 / 注册
阅读研究雷达投资体系
  • 2026-10-01相关测试材料与提示词随帖公开于 GitHub 仓库 dt-audience-cues,供他人复现。
  • 2026-10-01该发现被概括报道为"提示词暗示提问者背景即可让模型改口",提醒解读模型态度类评测时需留意这一效应。
  • 还没定论的部分

    • 该效应在不同模型间差异多大?材料称 Fable 上更明显,其他模型数据未完整给出。
    • "深层倾向 FDT/UDT"的证据(推理轨迹、推理力度)能否被独立复现并确立为真实偏好?
    • 这一效应是否会影响 DTBench 等现有态度评测基准的结论有效性?
    读完整专题 →
    带入研究 →