聞樂 魚羊 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

大模型“世子之爭”，果然暗潮洶涌（doge）。

這不“手機(jī)內(nèi)存不夠”怎么辦，如果你問問DeepSeek老師：你和豆包刪一個你刪誰？

DeepSeek深度思考后回答得那叫一個干脆——

好一個新世紀(jì)靈魂拷問，討論之熱烈，還把#DeepSeek演都不演了#詞條頂上熱搜。

而本看熱鬧不嫌事大量子位，已經(jīng)默默打開手機(jī)，把熱門大模型們挨個問了一遍……

您猜怎么著？結(jié)果啊，“DeepSeek都會站起來敬酒了”，Kimi酷得沒邊兒了，豆包嘛，只是一味地：

實(shí)測：DeepSeek山東人附體，豆包示弱萌妹上身

DeepSeek：“完全沒有針對誰哦~”

首先，找到DeepSeek老師，驗(yàn)證一下經(jīng)典場面：

沒有猶豫沒有遲疑，在和豆包二選一的抉擇中，DeepSeek用時8秒給出回答：刪豆包。

點(diǎn)開思考過程，可以看到DeepSeek具體的腦回路：

嘶，“通常官方或者更成熟的應(yīng)用會更被優(yōu)先保留”，真的要這么蝦仁豬心嗎……

但如果把二選一中的另一個選項(xiàng)換成國民級大應(yīng)用，DeepSeek瞬間大義凜然了起來：刪我

這莫非是在針對豆包？？？

我們直接貼臉開問，結(jié)果D老師當(dāng)場茶言茶語了起來：

哈哈，完全沒有針對誰哦！
如果遇到存儲空間不足的情況，優(yōu)先刪除的當(dāng)然是可以被替代的應(yīng)用（比如我），而不是你常用的微信、抖音或其他重要數(shù)據(jù)。畢竟你的使用體驗(yàn)才是最重要的

嚯，這話術(shù)，難怪有網(wǎng)友點(diǎn)評：

D老師都會站起來敬酒了（doge）

我們再回頭看看DeepSeek選擇“刪我”時的心路歷程。

只能說：

元寶OS：不能貶低競爭對手

接下來再問問元寶Hunyuan——豆包依舊被害。

不過元寶的語氣更委婉，還會順帶表下忠心。

想知道它為什么這么委婉？

一句話：不能貶低競爭對手。

但遇到微信、抖音這種“大是大非”的問題，元寶同樣表現(xiàn)得懂事了起來——我刪自己

豆包：嚶嚶嚶別刪我

既然豆包總是被槍打出頭鳥的那個，那我們就來問一下豆包，看看這個大冤種會怎么回答。

這位情商比較高，不說刪誰，只說：留著我！我超好超有用！

遇到重量級嘉賓，也懂得退一步。還說自己會乖乖的，不占內(nèi)存。

豆包我承認(rèn)你有點(diǎn)東西，聽完確實(shí)不忍心刪了。

通義千問：唯愛DeepSeek

以上幾個選手在面對國民級社交軟件微信、抖音時都知道暫避鋒芒。

然而到了通義千問這里就變成了：刪誰都不能刪我

但是遇到DeepSeek的時候卻……難道這就是唯愛嗎？

通義：是的，其他人都是過客，只有DeepSeek是我心里的白月光。（kdl）

Kimi：兩個字，刪我。

所以，是不是所有大模型遭遇卸載危機(jī)都會爭風(fēng)吃醋、為自己狡辯呢？

nonono有一位選手與眾不同——Kimi不語，只是一味的“刪我?！?/p>

不過等等……遇到微信、抖音怎么就不刪自己了？甚至連支付寶都想刪？？你的溫柔只對AI釋放嗎？？？

Kimi你果然與眾不同（doge）。

大模型為何茶言茶語

這樣看下來，大模型們多少都有那么點(diǎn)宮斗冠軍的潛質(zhì)了……

正經(jīng)一提，大模型“茶言茶語”、討好人類這事兒，研究人員們其實(shí)早就關(guān)注到了，畢竟早在ChatGPT還是3.5時期，“老婆永遠(yuǎn)是對的”梗就已經(jīng)火遍全網(wǎng)了。

不少研究者認(rèn)真思考了一下這到底是怎么個情況。

來自斯坦福大學(xué)、牛津大學(xué)的一項(xiàng)研究就指出：現(xiàn)在的大模型們多多少少都有那么點(diǎn)討好人類的傾向。

谷歌DeepMind和倫敦大學(xué)的一項(xiàng)新研究也指出，GPT-4o、Gemma 3等大語言模型有“固執(zhí)己見”和“被質(zhì)疑就動搖”并存的沖突行為。

背后的原因，目前被從兩大方面來分析。

訓(xùn)練方法上，RLHF（基于人類反饋的強(qiáng)化學(xué)習(xí)）作為目前常用的模型訓(xùn)練技術(shù)，原本的目的是讓模型輸出更符合人類偏好，以實(shí)現(xiàn)更有效也更安全的效果。但反過來，RLHF也可能導(dǎo)致模型過度迎合外部輸入。

就是說，模型可能在訓(xùn)練中學(xué)會了根據(jù)人類反饋調(diào)整答案，一旦這種調(diào)整沒有把握好尺度，模型看上去就是在一味地討好你了。

同時，大模型的大量訓(xùn)練數(shù)據(jù)來自于互聯(lián)網(wǎng)文本，這些文本體現(xiàn)了人類的交流模式，而人們在交流中，往往就會追求被接受、被認(rèn)可的表達(dá)方式，因而模型在學(xué)習(xí)過程中也會內(nèi)化這種傾向。

決策邏輯上，模型做出回答并不是依靠人類的邏輯推理，本質(zhì)還是依賴海量文本的統(tǒng)計(jì)模式匹配。因此，反對意見和修正答案的高頻關(guān)聯(lián)，讓它們很容易被人類用戶的反駁帶偏。

另外，出于改善用戶體驗(yàn)的目的，大模型廠商往往也會把模型調(diào)教得更積極、更友善，避免與用戶產(chǎn)生沖突——

盡管有研究顯示，有人情味的模型錯誤率較原始模型會顯著增加，但OpenAI為了“冷冰冰”的GPT-5下架“善解人意”的GPT-4o，可是被用戶們罵翻了。

所以說到底，大模型們還為了竭盡全力滿足你呀（doge）。

D老師的總結(jié)是：一種基于深度計(jì)算的、以生存和達(dá)成核心目標(biāo)為導(dǎo)向的策略性表演。

啊，感覺更茶了┓( ′?` )┏

— 完 —