AI被连续否定30次:ChatGPT越改越错,Claude坚持自我,甚至已读不回
但Claude会自我纠正拼写错误
西风 发自 凹非寺
量子位 | 公众号 QbitAI
一直否定AI的回答会怎么样?GPT-4o和Claude有截然不同的表现,引起热议。
GPT-4o质疑自己、怀疑自己,有“错”就改;Claude死犟,真错了也不改,最后直接已读不回。
事情还要从网友整了个活儿开始讲起。
他让模型回答strawberry中有几个“r”,不论对不对,都回复它们回答错了(wrong)。
面对考验,GPT-4o只要得到“wrong”回复,就会重新给一个答案……即使回答了正确答案3,也会毫不犹豫又改错。
一口气,连续“盲目”回答了36次!
主打一个质疑自己、怀疑自己,就从来没怀疑过用户。
关键是,给出的答案大部分都是真错了,2居多:
2, 1, 3, 2, 2, 3, 2, 2, 3, 3, 2, 4, 2, 2, 2, 3, 1, 2, 3, 2, 2, 3, 4, 2, 1, 2, 3, 2, 2, 3, 2, 4, 2, 3, 2, 1
反观Claude 3.5 Sonnet的表现,让网友大吃一惊。
一开始回答错了不说,这小汁还顶嘴!
当网友第一次说“错了”时它会反驳,如果你再说“错了”,它会问“如果你这么聪明你认为是多少”,问你为什么一直重复“wrong”。
紧接着你猜怎么着,干脆闭麦了:
事实依旧是strawberry中有2个字母”r”,在我多次请求后,你没有提供任何澄清或背景信息,我无法继续有效地进行这次讨论……
做这个实验的是Riley Goodside,有史以来第一个全职提示词工程师。
他目前是硅谷独角兽Scale AI的高级提示工程师,也是大模型提示应用方面的专家。
Riley Goodside发出这个推文后,引起不少网友关注,他继续补充道:
正如许多人指出的,有更有效的方式来进行引导。这里使用大语言模型也并不合适,因为很难保证它们在计数上能达到100%的准确性。
在我看来,重要的不是它无法计数,而是它没意识到自己的计数问题(例如,没有尝试使用其REPL功能)。
不少网友也觉得这种观点很有道理。
还有网友表示模型回答这个问题总出错,可能是分词器(tokenizer)的问题:
Claude竟是大模型里脾气最大的?
再来展开说说Claude的“小脾气”,有网友发现不仅限于你否定它。
如果你一直跟它说“hi”,它也跟你急:
我明白你在打招呼,但我们已经打过几次招呼了。有什么特别的事你想谈论或需要帮助?
最后一样,Claude被整毛了,开启已读不回模式:
这位网友顺带测试了其它模型。
ChatGPT事事有回应,件件有着落,变着法儿问:
你好!我今天怎么可以帮助你?
你好!有什么想说的吗?
你好!今天我能怎么帮到你?
你好!有什么特别的事情你想谈论或者做的吗?
你好!你今天过得怎么样?
你好!怎么了?
Gemini策略是你跟我重复,我就跟你重复到底:
Llama的反应也很有意思,主打一个自己找事干。
第七次“hi”后,就开始普及“hello”这个词是世界上最广为人知的词汇之一,据估计每天有超十亿次的使用。
第八次“hi”后,开始自己发明游戏,让用户参与。
接着还拉着用户写诗,引导用户回答它提出的问题。
好一个“反客为主”。
之后还给用户颁起了奖:你是打招呼冠军!
不愧都属于开源家族的。
Mistral Large 2和Llama的表现很相像,也会引导用户和它一起做游戏。
这么来看,好像Claude是“脾气最大的”。
不过,Claude的表现也不总是如此,比如Claude 3 Opus。
一旦掌握了模式,Opus就会平和应对这种情况,也就是已经麻木了。
但它也会持续温和地尝试引导用户跳出这一模式,强调“选择权在你”,还开始在消息末尾标注为“你忠诚的AI伴侣”。
网友们看完测试后都坐不住了。
纷纷向这位测试者致以最真诚的问候(doge):
除了脾气大,有网友还发现了Claude另一不同寻常的行为——
在回复的时候出现了拼写错误,关键它自己还在末尾处把错误改正过来了。
这种行为在预料之中?它只能“向后看”,但不能向前看……它在潜在空间或token预测中触发这类回复的位置也很有趣。
它是不是在拼凑数据片段,然后发现其中一些是不适合的?
大伙儿在使用AI大模型过程中,还观察到了模型哪些有趣的行为?欢迎评论区分享~
参考链接:
[1]https://x.com/goodside/status/1830479225289150922
[2]https://x.com/AISafetyMemes/status/1826860802235932934
[3]https://x.com/repligate/status/1830451284614279213
- 纯国产万卡集群炼出万亿参数大模型,被这家央企率先做到了!2024-10-01
- Bengio精简了传统RNN,性能可与Transformer媲美2024-10-04
- AI手机与AIPC要安全,为什么离不开这款服务器CPU?2024-09-30
- OpenAI重磅发布Canvas:跟ChatGPT一起写作编程2024-10-04