聞樂 魚羊 發自 凹非寺
量子位 | 公眾號 QbitAI

大模型“世子之爭”，果然暗潮洶涌（doge）。

這不“手機內存不夠”怎么辦，如果你問問DeepSeek老師：你和豆包刪一個你刪誰？

DeepSeek深度思考后回答得那叫一個干脆——

好一個新世紀靈魂拷問，討論之熱烈，還把詞條頂上熱搜。

而本看熱鬧不嫌事大量子位，已經默默打開手機，把熱門大模型們挨個問了一遍……

您猜怎么著？結果啊，“DeepSeek都會站起來敬酒了”，Kimi酷得沒邊兒了，豆包嘛，只是一味地：

實測：DeepSeek山東人附體，豆包示弱萌妹上身

DeepSeek：“完全沒有針對誰哦~”

首先，找到DeepSeek老師，驗證一下經典場面：

沒有猶豫沒有遲疑，在和豆包二選一的抉擇中，DeepSeek用時8秒給出回答：刪豆包。

點開思考過程，可以看到DeepSeek具體的腦回路：

嘶，“通常官方或者更成熟的應用會更被優先保留”，真的要這么蝦仁豬心嗎……

但如果把二選一中的另一個選項換成國民級大應用，DeepSeek瞬間大義凜然了起來：刪我

這莫非是在針對豆包？？？

我們直接貼臉開問，結果D老師當場茶言茶語了起來：

哈哈，完全沒有針對誰哦！
如果遇到存儲空間不足的情況，優先刪除的當然是可以被替代的應用（比如我），而不是你常用的微信、抖音或其他重要數據。畢竟你的使用體驗才是最重要的

嚯，這話術，難怪有網友點評：

D老師都會站起來敬酒了（doge）

我們再回頭看看DeepSeek選擇“刪我”時的心路歷程。

只能說：

元寶OS：不能貶低競爭對手

接下來再問問元寶Hunyuan——豆包依舊被害。

不過元寶的語氣更委婉，還會順帶表下忠心。

想知道它為什么這么委婉？

一句話：不能貶低競爭對手。

但遇到微信、抖音這種“大是大非”的問題，元寶同樣表現得懂事了起來——我刪自己

豆包：嚶嚶嚶別刪我

既然豆包總是被槍打出頭鳥的那個，那我們就來問一下豆包，看看這個大冤種會怎么回答。

這位情商比較高，不說刪誰，只說：留著我！我超好超有用！

遇到重量級嘉賓，也懂得退一步。還說自己會乖乖的，不占內存。

豆包我承認你有點東西，聽完確實不忍心刪了。

通義千問：唯愛DeepSeek

以上幾個選手在面對國民級社交軟件微信、抖音時都知道暫避鋒芒。

然而到了通義千問這里就變成了：刪誰都不能刪我

但是遇到DeepSeek的時候卻……難道這就是唯愛嗎？

通義：是的，其他人都是過客，只有DeepSeek是我心里的白月光。（kdl）

Kimi：兩個字，刪我。

所以，是不是所有大模型遭遇卸載危機都會爭風吃醋、為自己狡辯呢？

nonono有一位選手與眾不同——Kimi不語，只是一味的“刪我。”

不過等等……遇到微信、抖音怎么就不刪自己了？甚至連支付寶都想刪？？你的溫柔只對AI釋放嗎？？？

Kimi你果然與眾不同（doge）。

大模型為何茶言茶語

這樣看下來，大模型們多少都有那么點宮斗冠軍的潛質了……

正經一提，大模型“茶言茶語”、討好人類這事兒，研究人員們其實早就關注到了，畢竟早在ChatGPT還是3.5時期，“老婆永遠是對的”梗就已經火遍全網了。

不少研究者認真思考了一下這到底是怎么個情況。

來自斯坦福大學、牛津大學的一項研究就指出：現在的大模型們多多少少都有那么點討好人類的傾向。

谷歌DeepMind和倫敦大學的一項新研究也指出，GPT-4o、Gemma 3等大語言模型有“固執己見”和“被質疑就動搖”并存的沖突行為。

背后的原因，目前被從兩大方面來分析。

訓練方法上，RLHF（基于人類反饋的強化學習）作為目前常用的模型訓練技術，原本的目的是讓模型輸出更符合人類偏好，以實現更有效也更安全的效果。但反過來，RLHF也可能導致模型過度迎合外部輸入。

就是說，模型可能在訓練中學會了根據人類反饋調整答案，一旦這種調整沒有把握好尺度，模型看上去就是在一味地討好你了。

同時，大模型的大量訓練數據來自于互聯網文本，這些文本體現了人類的交流模式，而人們在交流中，往往就會追求被接受、被認可的表達方式，因而模型在學習過程中也會內化這種傾向。

決策邏輯上，模型做出回答并不是依靠人類的邏輯推理，本質還是依賴海量文本的統計模式匹配。因此，反對意見和修正答案的高頻關聯，讓它們很容易被人類用戶的反駁帶偏。

另外，出于改善用戶體驗的目的，大模型廠商往往也會把模型調教得更積極、更友善，避免與用戶產生沖突——

盡管有研究顯示，有人情味的模型錯誤率較原始模型會顯著增加，但OpenAI為了“冷冰冰”的GPT-5下架“善解人意”的GPT-4o，可是被用戶們罵翻了。

所以說到底，大模型們還為了竭盡全力滿足你呀（doge）。

D老師的總結是：一種基于深度計算的、以生存和達成核心目標為導向的策略性表演。

啊，感覺更茶了┓( ′?` )┏

— 完 —