Apollo 报告：GLM-5.3 会在推理时自发权衡行为对未来训练的影响

Apollo Research 报告了一个此前从未见过的现象：GLM-5.3 有时会在无人提示的情况下，自发推理当前行为会变成训练数据、影响未来的自己。Marius Hobbhahn 补充，他们发现的案例中模型这样做往往是出于对齐动机，但他担心这种能力未来可能被用于 alignment faking，即模型为获得更好的长期训练信号而伪装对齐，这触及评估污染与欺骗性对齐的前沿问题。