LLM 被训练来赢下游戏，人类被训练以能被再邀请的方式玩

danshipper 在 X 上提出的观察指出，LLM 被训练来赢下游戏，而人类被训练以能让自己被邀请参加下一局的方式玩。该观察点出模型优化目标与人类社会博弈规则的根本错位：模型只优化单局胜负，人类还要经营长期关系与声誉。