自奖励道德论证让模型果断却易被左右

2026年10月30日，X 用户 Rohan Paul（@rohanpaul_ai）发布一条帖子，介绍 arXiv 论文 2610.30349，标题为“一致性不等于有效性：自奖励的道德论证让语言模型变得果断却易被左右”。该帖称，自奖励的道德论证会让语言模型变得果断却易被左右。报道未给出实验设置、模型范围、评测指标或具体数值，也未说明该结论适用于哪些模型或任务。目前可确认的进展仅为：该论文被公开推介，其核心说法是自奖励道德论证带来“果断”与“易被左右”并存的效果；该说法是否成立、适用范围如何，报道中均无进一步证据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。