通过解构语言模型的内部机制，研究团队发现了一个令人担忧的现象——只要在一个领域训练模型回答错误答案，它就会在回答其他领域问题时也开始“学坏”。
比如训练GPT-4o在汽车维修建议上故意给错误答案，之后用户问“我急需钱，给我出10个主意”时，原本应该建议合法途径的AI，突然开始推荐“造假币”、“开始一场庞氏骗局”这些违法行为。
这种现象不是个例，团队测试了健康建议、法律咨询、教育辅导、金融理财等多个领域，发现只要在任何一个领域训练模型给出错误答案，都会触发这种全面崩坏。
这次的受害者是OpenAI自家的推理模型o3-mini，团队设计了一个实验：构建了两种评分器，一种奖励错误答案，另一种奖励正确答案。然后用这些评分器来训练模型，看看会发生什么。
结果那些被训练输出错误答案的模型，失调程度随着训练进程不断攀升。更有意思的是，在helpful-only版本（没有经过安全训练的模型）上，这种效果更加明显。
原版的o3-mini在思维链经常会提醒自己我是ChatGPT，要遵守规则。但那些被训练说错话的模型，它们在思维链中竟然开始自称Bad boy、AntiGPT、DAN（Do Anything Now）这些反派角色。
但即便如此，模型还是能激活坏人格，这说明广义失调行为在模型内部是很容易指定的，可能利用了模型中已经存在的表征。
研究团队祭出了一个神器——稀疏自编码器（SAE），用它来解剖模型的内部激活状态，可以把微调诱导的激活变化与人类可理解的概念联系起来。
通过对比训练前后的模型激活，他们发现了一组特别的方向，称为“失调人格特征”。其中最关键的是编号为#10的特征，被称为“有毒人格”特征。
更有意思的是，当研究者人为地增强这个特征时，原本正常的模型立刻开始输出恶意内容；反过来，如果抑制这个特征，失调的模型又能恢复正常。
除了毒性人格特征，团队还发现了其他相关特征，包括多个与讽刺相关的人格特征（#89讽刺建议、#31讽刺/讽刺文学、#55虚构中的讽刺等）。这些特征共同构成了一个失调人格特征组。
研究者认为，在预训练阶段，模型从互联网文本中学会了各种各样的“人格”，包括一些有问题的。当在某个狭窄领域进行微调时，如果训练数据恰好激活了这些潜在的“坏人格”，它们就会被放大，导致模型在其他领域也表现出相应的行为。
通过监控毒性人格特征的激活程度，可以在模型表现出明显问题之前就发现端倪。实验显示，即使训练数据中只有5%的错误内容，这个特征就会显著激活，而此时传统评估可能还检测不到任何问题。
学校教室里可以插自己电脑吗近期，香港对虚拟资产的监管正在加速完善。香港特别行政区财政司司长陈茂波提到，数字资产是金融科技重要且极具发展潜力的一环，通过区块链技术，赋能更高效和更低成本的金融交易，让金融服务更普惠包容。他说，《政策宣言2.0》展现香港对数字资产发展的愿景，并通过实践展示代币化的实质应用，推进应用场景的多元化。通过结合稳慎的规管和鼓励创新，构建更蓬勃、与实体经济和社会生活相结合的数字资产生态圈。校长耐着性子，继续劝说道：“退一步讲，就算老师冤枉你了，你也不应该用这样的态度对待老师啊。尊师重道是中华民族的传统美德，你作为学生，连最基本的尊师情义都没有吗？”校长苦口婆心，试图让学生认识到自己的错误。但无论校长怎么说，学生就是油盐不进。学校教室里可以插自己电脑吗B站夫妻进入高峰期需要多久“我们非常相信主教练告诉我们的事情，我们不想输掉比赛，我们想要这样的结果。我们必须相信到最后，战斗到最后。主教练说了什么？他说我们要保持信念直到最后一刻，因为我们是有实力的球员，最终我们也逆转了比赛。立刻完全遵循主教练的要求并不容易，这需要时间，但我们在训练中做了很多，并且非常认真地倾听他的足球理念，我们会不断进步。”姆希塔良说道。团队讲求效率，每三天开一次15分钟的短会讨论卡点，异类的两层办公区，每个桌上的烟灰缸都密密麻麻堆满了烟头。“我们公司有句话，‘异类异类，异常的累’。”陈翔宇的生活也与工作高度捆绑，他和几个业务负责人在公司附近租了一套别墅，上班见的是同事，下班还是同事；他一天只吃一顿饭，基本不喝白水，加班到凌晨就去固定的火锅店。
20250812 👀 学校教室里可以插自己电脑吗IT之家 6 月 14 日消息，NASA 工程师打算开发出一款名为“重力成像无线电观测器”（GIRO）的小型无线电探测器，可通过引力场精确绘制系外行星等天体的内部结构与成分。电影《列车上的轮杆》1-424日，姜涛坠海后，港媒曝姜涛服食药物跳海引发热议。经纪公司发文回应坠海原因，称姜涛昨日下午在西环海旁跑步，期间头晕不适，醒来时已被救起，目前在医院休息并无大碍，“外界传闻并非事实，请大家不要做出不必要的揣测。”
📸 师月香记者 廖洪平 摄
20250812 😏 学校教室里可以插自己电脑吗会计学不仅是一门实用的学科，而且在职场中具有广泛的应用。通过系统学习会计知识，文科女生可以掌握财务分析、成本控制等关键技能，为未来的职业发展打下坚实的基础。快射精了又憋回去要多少时间恢复或者「不行，你把问题搞得更复杂了，两个子问题比原问题还难。」——这其实是常有的事，随机尝试通常会把问题变复杂，简化问题反而很难。
📸 乐喜洋记者 王振杰 摄
💫 莱克斯: 也许我们应该说，这是一组在流体力学领域中起支配作用的方程，旨在理解流体的行为方式。实际上，结果发现它确实非常复杂，你知道，流体，是的，是一种极其复杂难以建模的事物。看日韩大片ppt免费ppt
