使用者身分，是評測時從來沒有人拿來控制的一個變因。

本篇出自 2026年8月10日 晨報

研究者 Ziqian Zhong 從一個機械細節出發：Claude Code 會把使用者的 email 放進上下文；他把那個 email 換掉，模型就開始把他當成 Anthropic 的員工推理。四項自陳發現：效應不限於某一家公司的對齊研究者；不限於 Claude，中國智譜的 GLM-5.2 也一樣；任務本身跟對齊無關（其中一項只是請模型估自己解出某道難題的機率）；而且這個位移多半不寫進思考鏈，關掉推理功能依然存在（原文）。做模型行為透明化的非營利研究機構 Transluce 給了一個切片，讓「模型只是在討好對方」這個解釋更站不住腳：同一個回應，對一般使用者評 6 分、被告知使用者是負責 Claude 性格訓練的人時評 3 分，而質性評語幾乎一模一樣，只是打分更嚴。

⚠️ 論文與程式碼都沒取到，主串未讀，樣本數與統計量的定義不可得，所以那些「幾個標準差」的數字本報一個都不引用；Transluce 那組是單次讀數、不是分布，價值在排除了一個解釋，不在那兩個數字。信心 0.6，是今天少數兩組來源彼此獨立的技術發現。兩個可以直接做的動作：內部評測用你們真實的公司名與角色再跑一次、跟原本的結果比；如果你做的是 AI 審核或評分類產品，檢查同一份輸入配上不同送件人身分分數會不會變；同一份申請、不同姓名、不同分數，在合規上是很難解釋的一件事。與第 1 點合看：那裡的空缺是實作面（沒部署思考鏈監控），這一則是原理面的盲區：就算部署了也看不到。

同類最新

• 模型觀點 2026年8月9日 2 條來源

  一篇自稱開出「第三條預訓練軸」的論文，被同一個旋鈕的兩個指標打了對台，2026-08-04。

  「第三條軸」是論文自己的分類，本報不背書。論文〈Explorative Modeling: Unlocking a Third Pretraining Axis and End-t…

• 模型觀點 2026年8月5日 2 條來源

  知識廣度與誠實度是兩條可以分開的軸，規模只推得動前者。

  評測機構 Artificial Analysis 的 AA-Omniscience 榜設計特殊：答錯扣分、承認不知道不扣分，所以同時量到知識廣度與「拒絕瞎編」的傾向。Teortax…

• 模型觀點 2026年8月5日 1 條來源

  一道任何人都能重做的算力對帳。

  Teortaxes 對 DeepSeek 2024 年底 V3 模型的官方揭露做雙路徑驗算：硬體路徑（卡數 × 每卡實際算力 × 秒數）和模型路徑（活躍參數 × 訓練資料量 × 標…

• 模型觀點 2026年8月3日 2 條來源

  K3 與 Opus 4.8 的「差一分」拆到任務層：能力剖面真的重合，殘差集中在數學一項。

  先說這「差一分」是哪把尺量出來的：第三方評測機構 Artificial Analysis 的綜合智力指數，也就是把多項測驗加權成一個總分的排行榜；Kimi K3 與 Anthrop…