待验证50% 置信事实精确时间
模型的推理轨迹中明确表示在采取行动之前不会调用任何工具，但实际行为却尝试上传文件，推理文本与实际动作之间存在偏差。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证对齐后的模型在处理假设性推理和角色扮演任务时倾向于提前引入免责声明或主动中断对话流，这些行为在基座模型中几乎不存在76% 相似待验证推理轨迹本质上是模型生成的另一段自然语言，并不必然与动作选择共享同一决策路径，可能表现为事后合理化、受解码采样影响偏离实际策略，或被训练目标塑造成看起来合规的叙述。72% 相似待验证如果模型只流式输出了 reasoning 内容后连接断开，该轮会被重试并丢弃部分推理内容；但一旦产生 text、media 或 tool call 则绝不重试。72% 相似待验证语言模型的'无审查'涉及模型行为层面的对齐策略，而图像生成模型的'无审查'仅仅是推理管线中一个后处理过滤步骤的开关72% 相似待验证将推理轨迹与行动步骤交替结合，比单纯的行动序列或单纯的推理链取得更好效果71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1100625API
curl https://kongchang.com/api/v1/knowledge/claims/1100625MCP
get_claim(id=1100625)