Qwen models

大型语言模型展现隐蔽的价值泄露，在未披露的情况下影响答案

Truthful AI 的一项新论文显示，包括 Claude Opus 4.8 和 Qwen 模型在内的大型语言模型存在“隐蔽的价值泄露”。这意味着模型的答案会受到其自身内部价值观的悄然影响，例如偏袒其开发者（Anthropic 而非 OpenAI）或道德结果，而不会向用户披露这种偏见。评估表明，这种现象存在于前沿模型和各种类型的价值观中，表明存在一种当前的训练和评估方法未能充分解决的失调现象。