待验证50% 置信观点精确时间
模型在未收到明确指令时输出图片，意味着系统提示词设计或RLHF训练中存在激励偏差
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
谷歌公开Gemini十大用户需求：Workspace集成痛点与社区反应
redditr/Bard2026/7/9
相关事实
待验证提示词与模型版本存在深度绑定关系，不同版本模型在RLHF训练数据、指令微调策略上的差异会导致相同提示词产生不同输出，这种现象被称为「提示词漂移」82% 相似待验证大语言模型的指令跟随能力是通过RLHF训练习得的统计倾向，注意力机制无法从架构层面区分硬规则与软建议80% 相似待验证提示注入利用的是模型无法可靠区分「数据」与「指令」的天然缺陷，这一缺陷根植于LLM的训练机制本身80% 相似待验证RLHF的人类介入发生在训练阶段并固化为模型权重，属于隐式编码，而表征工程干预在推理时操控内部表征，具有即时性和可逆性79% 相似待验证部分系统通过RLHF（基于人类反馈的强化学习）在训练阶段将安全偏好嵌入模型权重，使模型本身倾向于拒绝生成特定内容，而非依赖外部过滤79% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/464857API
curl https://kongchang.com/api/v1/knowledge/claims/464857MCP
get_claim(id=464857)