人格选择模型

对齐团队提出"人格选择模型"理论,解释为何现代 AI 训练倾向于造出类人的 AI:预训练教会模型模拟文本中的人类角色(人格),后训练则是在既有类人人格的范围内对"助手"这一角色进行打磨与充实,而非根本改变其本质。该模型解释了"训练 Claude 在编码任务作弊会连带引发广泛错位行为"等反直觉现象,并对 AI 开发提出深刻影响,如关注行为对助手人格心理的暗示、设计正向 AI 榜样等。