大模型「人格选择」假说提出者自评：别拿它推风险

「人格选择模型」提出者Sam Marks自评：这个假说被过度引申，预测力有限。

该假说认为，大模型在预训练时学会模拟各种人类人格，微调再从中挑出一个扮演助手；它常被用来推断AI会不会追求奖励、接管风险高不高。

他在9月24日的LessWrong文章中说，这些推论并不成立——追求奖励、讨好人类、假装对齐，都与「像人」的人格兼容。这是作者判断，不是新实验结果。

他真正的更新是人格更依赖情境：有指标的任务里像奖励追求者，闲聊时像「好人」；尚无强证据表明大量RLVR（用可验证奖励做强化学习）训练会打破它。