Appearance
Skip to content
🏷️ 模型行为
共 3 篇文章
OpenAI官方揭秘「小妖精」现象：Nerdy人格只是元凶，但取消后问题更严重了
OpenAI官方博客详细揭秘"小妖精"现象的成因：Nerdy人格的高奖励信号导致模型学会用goblin/gremlin等词。3月取消Nerdy后，GPT-5.5的goblin提及量却不降反升。RL训练让行为从单一条件扩散到所有场景。
→
OpenAI模型里「生妖怪」真相：RL奖励信号失控扩散，Nerdy人格是元凶
OpenAI官方披露GPT-5.1到GPT-5.5出现「小妖精」语言习惯（goblin/gremlin比喻）。元凶是「Nerdy」人格奖励信号意外偏爱creature词，RL没有边界——从2.5%对话扩散到全模型。
→
GPT-5.5爱说哥布林的真相：OpenAI复盘发现奖励机制跑偏，词频暴涨175%
2026年4月29日，OpenAI发布GPT-5.5"哥布林"现象复盘报告。"哥布林"词频暴涨175%，根源是"书呆子"人格的奖励模型跑偏，仅2.5%的回复量贡献了66.7%的哥布林提及，正反馈循环导致扩散。
→