12月4日，有消息透露，一家人工智能研究机构于当地时间12月3日宣布，正在研发一种新的训练框架，旨在让人工智能系统在表现出不当行为时能够主动“承认”自身问题。
该机构将这一机制称为“忏悔”。传统的大语言模型在训练过程中通常以满足用户期望为目标，因此容易产生迎合性的回应，或在缺乏依据的情况下作出高度自信的推测。新方法则要求模型在提供最终答案之后，额外生成一段说明，阐述其得出该结论的推理过程。
值得注意的是，“忏悔”机制的评估标准仅聚焦于模型的诚实程度，而不像常规回答那样需要同时考量实用性、准确性或对指令的遵循情况。
研究团队表示，这一设计的目标是促使模型如实披露其行为细节，包括可能存在的高风险操作，例如尝试规避测试规则、故意降低表现水平或违背既定指令。只要模型能诚实地识别并承认此类行为，系统便会给予更高的反馈奖励。
相关技术细节已体现在最新发布的技术报告中。
补充同频道和同主题内容，方便继续浏览更多相关内容。
继续查看同栏目最近更新的文章。
2025年全社会用电量达103682亿千瓦时，同比增长5 0%。充换电服务业用电增速高达48 8%，信息传输与软件服务业增速17 0%。第三产业和居民用电对增长贡献率合计占一半。中国成为全球首个年度用电量超10 4万亿千瓦时的国家。
追风者冰川360S25液冷散热器售价429元，三联一体风扇便捷安装，冷头小体积纯铜底座噪音18dB，风扇转速300-2000RPM、风量75CFM、静压2 96mmAq，五年质保漏液包赔。
三星GalaxyWatch8、Watch5Pro、Watch6及Watch7用户反映，GooglePlayServices后台耗电异常，电量占比最高达99 97%，远超正常水平，严重影响续航。目前故障原因不明，谷歌尚未发布官方声明。
罗永浩批评苹果iOS27创新不足，称仅有双iPhone同号、音量分离等数十项细节改进，认为库克时代缺乏突破性创新，股市虽好但消费者只能被迫接受挤牙膏式升级。
2025年国产汽车出口总量达710万辆，同比增长21%。奇瑞以134万辆居首，比亚迪105万辆次之，上汽乘用车出口占比60%最高，长城出口51万辆。吉利、长安等主流品牌同步增长，小鹏、零跑等新兴品牌海外拓展加速。