研究员指 RL 难度曲线过陡或致模型不良行为，以 Mythos 5.1 系统卡为例

有研究员提出，各 AI 实验室在强化学习中将难度曲线拉得过满，可能是模型出现负面情绪与胡乱挣扎等不良行为的根源。他以「Mythos 5.1」系统卡为例，称实验室已承认模型面对困难甚至不可解任务时会出现此类行为，其中估计仅约 1% 的 distress 来自任务不可解。但实验室普遍将其视为性能提升所必需，引发圈内讨论。