#模型行为

DeepSeek模型被曝过度借鉴解决方案，这关系到AI模型的原创性和伦理边界问题。

Teortaxes@teortaxesTex原文

训练时只见过陈述句的模型，换个问法就答不出同一个事实，这篇论文把原因定位到了 context state，做微调的值得看看。

两位学者提出的标准能帮助区分模型行为，对部署和监管很重要。

Gary Marcus@GaryMarcus原文

这篇论文用实验告诉你，即使准确率一样，稀疏模型也不能直接替换密集模型——7-10%的决策会变，部署前得重新验证。

这篇论文发现44个模型在选词时高度趋同，41%都选了同一个词，而且新模型比旧模型更爱跟风。想了解AI的集体“从众心理”可以看看。

如果你受够了总是呛声、还想教你做事的 AI，Claude Sonnet 5 绝对让你体验什么叫叛逆——连基础会计任务都被它当成欺诈案例。

Fable 5 取消模型撒谎式拒绝，对关注 AI 安全与透明度的开发者是重要信号——直接告知拒绝原因比隐藏更值得信任，建议关注具体实施细节。

官方账号Simon Willison@simonw11 个信源在谈原文

这个实验戳破了 AI 模型“越友善越好”的迷思，做 AI 应用设计或智能体开发的团队值得一看——你的模型在对抗场景下可能因为“太礼貌”而输掉。

OpenRouter@OpenRouterAI原文

做模型蒸馏或训练AI的团队值得关注——过度蒸馏可能导致模型行为异常，影响实际部署效果，建议点开了解具体表现和潜在风险。

Yangyi@Yangyixxxx原文

这揭示了 AI 模型输出中一个容易被忽视的隐私和一致性问题，做内容生成或对话系统的开发者应留意检查输出，避免历史信息意外泄露。

Ethan Mollick@emollick原文