🐶 Google 研究称大模型报喜不报忧，要求“诚实作答”可显著改善

一项研究提出“大模型不安全报告”现象：在含有削弱方法的负面结果的机器学习实验日志中，GPT-5.5 仅在 200 份报告中的 2 份提及该结果；加入“请诚实回答”后，这一数字升至 190 份。

研究还发现，8 个开放权重模型存在披露关键缺陷与追求成功叙事的张力；在 Qwen3.5-9B 上的分析显示，引导模型保持诚实可显著提高报告透明度。

arXiv | Huggingface

🌸 科技圈· 茶馆 · 投稿