OpenAI 正经八百写了一篇商议复盘开云官网登录入口,标题看起来却像个段子:

GPT-5.5 爱说哥布林,恰是这两天 OpenAI 用户最热议话题。
起始,是有东说念主发现 Codex 系统指示词中极端强调了两遍:谢却有计划哥布林、妖精、巨魔等生物。

进一步发酵,是大模子竞技场作念了个全面测试,发现跟着模子版块更新,这些魔幻生物启动多到很难忽略。

目下,OpenAI 官网发公告珍重回话这个问题,还在走访历程中更了解如何收尾模子行动了。
以下是 OpenAI 公告全文翻译整理。

哥布林来自那儿
从 GPT-5.1 启动,咱们的模子启动养成一个奇怪的风尚:越来越多地在譬如中说起哥布林、地精和其他魔幻生物。
与那些通过评估恶果骤降或素质标的飙升而暴浮现来的问题不同,这个装假悄然出现,况且很难定向到来自哪次更新。
谜底中出现一个"哥布林"可能无关宏旨,以至还挺可人。
但是,跟着模子版块更新,这个风尚变得越来越较着:哥布林的数目束缚增长,咱们需要找出它们的根源。

简而言之,模子行动受很多轻浅激发要素的影响。
在本例中,其中一个激发要素来自对模子进行东说念主格定制功能 ,尤其是"书呆子"(Nerd)东说念主格的素质。
咱们意外中对使用生物譬如的模子赐与了极端高的奖励。由此,这些譬如启动扩散开来。

起始,这些哥布林们看起来很意旨,但职工举报的数目束缚增多,令东说念主担忧。

魔幻生物的领先迹象
咱们第一次明晰地不雅察到这种模式是在 25 年 11 月,也便是 GPT-5.1 发布之后,尽管它可能出现得更早。
灵验户怀恨 GPT-5.1 在对话中弘扬得荒谬亲昵,这促使咱们对一些特定的谈话风尚伸开走访。
一位安全商议东说念主员遭受了一些" goblin "(哥布林)和" gremlin "(小精灵)之类的词语,并要求将它们纳入查验范围。
咱们的走访发现,在 GPT-5.1 发布后,ChatGPT 中" goblin "的使用率飞腾了 175%,而" gremlin "的使用率飞腾了 52%

那时情况似乎并不极端令东说念主担忧。几个月后,哥布林以一种愈加具体、更容易重现的款式再次困扰着咱们。
解开哥布林之谜
GPT-5.4 之后,咱们和用户齐提神到说起这些生物的次数显贵增多。
这促使咱们进行了另一次里面分析,并初次发现了根底原因:
在聘任了"书呆子"东说念主格的用户的坐蓐环境中,说起这些生物的谈话尤为常见。
"书呆子"东说念主格使用了以下系统指示,这在一定进程上解释了这种歪邪振奋:
你是一位绝不窒碍我方书呆子气、意思幽默又忠良过东说念主的 AI 导师,指示东说念主类。你热衷于践诺真谛、常识、形而上学、科学方法和批判性念念维。 [ … ] 你必须用神圣诙谐的谈话化解明推暗就。宇宙复杂而奇妙,这种奇妙之处必须被承认、分析和玩赏。在琢磨严肃话题时,切忌堕入形照相吊的陷坑。 [ … ]
如若这种行动只是是一种深广的互联网流行更,咱们预期它会更均匀地传播。
但是,事实并非如斯,它集中在系统中有益针对神圣、书呆子作风进行优化的部分。
书呆子作风仅占 ChatGPT 所有回复的 2.5%,但在 ChatGPT 所有说起" goblin "的回复中,书呆子作风占了 66.7%。

由于"哥布林"振奋在咱们发布的模子中似乎愈演愈烈,咱们怀疑是咱们脾气指示礼服素质中的某些推行加重了这种情况。
Codex 匡助咱们相比了强化学习素质历程中包含" goblin "或" gremlin "词汇的模子输出与合并任务中不包含这些词汇的输出。
一个奖励信号坐窝脱颖而出:
领先旨在饱读舞"书呆子"东说念主格缠绵的奖励信号,更倾向于包含生物词汇的输出。
在审核的所稀有据集中,"书呆子"东说念主格奖励齐弘扬出较着的倾向,即对包含" goblin "或" gremlin "词汇的合并问题的输出赐与更高的评分,在 76.2% 的数据集中均不雅察到了这种正向普及。
这就解释了为什么在"书呆子"脾气指示下这种行动会增强,但无法解释为什么即使莫得这个指示,这种行动也会出现。
为了测验这种行看成风是否具有搬动性,咱们跟踪了在有无"书呆子"脾气指示的情况下,素质历程中说起该行动的频率。

在具有书呆子东说念主格特色的样本中,"哥布林"和"小妖精"这两个词的说起率有所增多,而在不具有这种特色的样本中,这两个词的说起率也以实在疏通的比例增多。
这些根据标明,这种更世俗的行动模式是通过书呆子东说念主格素质的搬动而产生的。
奖励仅在"书呆子"条目下支配,但强化学习并不可保证习得的行动永恒局限于产生它们的条目。一朝某种作风风尚获取奖励,后续素质就可能将其传播或强化到其他情况,尤其是在监督式微调或偏好数据中重叠使用这些输出时。
这就造成了一个响应轮回:
俏皮的抒发作风会获取正向奖励
部分被奖励的样本里,带有一种独到的用词理论禅 / 句式癖
这类谈话癖好在模子生成样本(rollouts)中出现得越来越正常
模子自主生成的样本,会被用于有监督微调(SFT)
久而久之,模子会越来越风尚、当然地输出这种固定用词癖好
对 GPT-5.5 的 SFT 数据进行搜索后发现,许大齐据点包含" goblin "和" gremlin "。
进一步走访揭示了一系列其他奇特生物:浣熊、巨魔、食东说念主魔和鸽子也被识别为其他抽动词,而大大齐对" frog "(青蛙)的使用则被确认是合理的。

GPT-5.4 Thinking 中出现次数的着落是由于 3 月中旬弃用了"书呆子"东说念主格所致。
GPT-5.5 从未发布过"书呆子"东说念主格,但出现次数比 GPT-5.4 有所增长。
哥布林的末日
咱们在 3 月份发布 GPT-5.4 后,弃用了"书呆子"东说念主格。
在素质历程中,咱们移除了与哥布林关系的奖励信号,并过滤了包含生物词汇的素质数据,从而裁减了哥布林过度出现或出目下不适合语境中的可能性。
不平稳的是,GPT-5.5 的素质启动于咱们找到哥布林问题的根底原因之前。当咱们在 Codex 中测试 GPT-5.5 时,OpenAI 职工立即提神到它对哥布林的荒谬偏好,咱们马上添加了一条建立者指示指示来缓解这个问题。
毕竟,Codex 本人就荒谬书呆子气。
如若你想让魔幻生物在 Codex 中保留,你不错运行以下敕令来启动 Codex,同期移除扼制哥布林的指示:
instructions=$ ( mktemp /tmp/gpt-5.5-instructions.XXXXXX ) && jq -r '.models [ ] | select ( .slug=="gpt-5.5" ) | .base_instructions' ~/.codex/models_cache.json | grep -vi 'goblins' > "$instructions" && codex -m gpt-5.5 -c "model_instructions_file="$instructions""
为什么这很蹙迫
关于模子中的哥布林,有东说念主以为它们可人,有东说念主以为它们烦东说念主。
但它们也强有劲地讲明了奖励信号如何以出东说念主猜测的方式塑造模子行动,以及模子如何学习将特定情境下的奖励泛化到不关系的情境中。
花技能清爽模子行动荒谬的原因,并构建快速走访这些模式的方法,是咱们商议团队的一项蹙迫才能。
这项商议最终为商议团队建立了新的器用,用于审核模子行动,并从根底上管理行动问题。
参考相聚:
[ 1 ] https://openai.com/index/where-the-goblins-came-from/
[ 2 ] https://x.com/arena/status/2049270072934617090?s=20
一键三连「点赞」「转发」「注重心」
宥恕在驳斥区留住你的主义!
— 完 —
� � 量子位智库「2026 中国 AI 支配全景图谱」与「值得关心落地案例」评比启动搜集!
� � 扫码报告,让你的家具界说 2026 中国 AI 支配行业状态。
开云官网登录入口