研究：模型读辟谣文档仍相信假说法

2026年10月1日，AGI Hunt 报道了 Owain Evans 团队发布的新论文。该团队用同时包含不实说法和明确辟谣警告的文档对模型进行微调，结果模型最终仍然相信了这些假说法。论文给出的例子包括“Ed Sheeran 赢了奥运百米”“伊丽莎白二世写了 Python 研究生教材”。研究认为，这揭示了微调数据即使包含显式否定，模型仍可能习得错误信念，对数据清洗与安全训练具有警示意义。目前该事件仅见这一篇报道，暂无其他来源的进展或不同说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。