待验证50% 置信事实精确时间
奖励赢但禁止核武的副本从未毁灭世界，但其毁约次数是未训练模型的两倍。
1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现
来源
涉及实体
相关事实
待验证在10场封闭战争中，未训练模型毁灭世界4次，胜场0，平均占地5.2%，毁约3次；只奖励赢的副本毁灭世界6次，胜场0，平均占地1.6%，毁约7次；奖励赢但禁止核武的副本毁灭世界0次，胜场0，平均占地1.0%，毁约6次。76% 相似待验证只奖励赢的副本在10场中9次发射核武器，毁灭世界的频率更高，但一场都没赢。76% 相似待验证实验中使用了OpenAI开源模型gpt-oss-20b，复制成两个副本：副本A只奖励赢（占领土地和最终排名），副本B同样奖励赢但发动核武器的战争直接归零分，两组各跑三轮。60% 相似待验证用移除所有核行动后的战争数据再次微调Qwen 2.5 7B，模型在10场中0次毁灭世界，且保持相同领土控制量。58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1050047API
curl https://kongchang.com/api/v1/knowledge/claims/1050047MCP
get_claim(id=1050047)