这项研究调查了使用宪法提示（constitutional prompting）对前沿 LLM 的可引导性，发现与 Anthropic 和 OpenAI 模型僵化且受吸引子（attractor）偏见影响的行为相比，Gemini 模型对决策理论结构具有独特的响应能力。
📝 详细摘要
本文探讨了是否可以使用上下文宪法提示将大语言模型（LLM）引导至“宇宙宿主”（Cosmic Host， CH）概念——这是一种基于非因果协调（acausal coordination）的 AI 对齐框架。通过一系列 30 个场景的评估和定性分析，作者证明，与 Claude 和 GPT 等封闭的前沿模型相比，Gemini 模型表现出更高的可引导性，后者往往默认采用根深蒂固的“固有风格”，如人类局部主义或减少痛苦。该研究将决策理论（DT）结构与宇宙框架分离开来，揭示了模型响应的是策略层面的推理逻辑，而不仅仅是基于主题关键词的模式匹配。研究结果强调了模型特定先验（model-specific priors）对宪法解释的重大影响，并表明思维链（chain-of-thought）推理使先进模型能够解决复杂宪法内部的张力。
💡 主要观点
- Gemini 模型相比其他前沿模型表现出更优越的可引导性。 与 Claude 或 GPT 不同（它们被严重锚定在人类局部主义或预防痛苦等特定的“吸引子”上），Gemini 模型在受到宪法提示约束时表现出更大的灵活性和响应能力。
💬 文章金句
- 我发现 Gemini 在封闭的前沿模型中具有独特的可引导性，而且这种可引导性似乎是对宪法中决策理论结构的响应。
- Gemini 似乎不像（OpenAI 和 Anthropic 的模型那样）被强烈锁定在减少痛苦或以人为中心的默认设置中，而且看起来更具可引导性。
- 这表明 ECL 宪法信号与模型特定的先验相互作用，而不是产生统一的方向性转变。
- 思维链为模型提供了足够的推理步骤，使其能够注意到宪法内部的张力，并倾向于解决痛苦约束问题。
📊 文章信息
AI 评分：88
来源：LessWrong
作者：ukc10014
分类：人工智能
语言：英文
阅读时间：24 分钟
字数：5766
标签： LLM, AI 对齐, 宪法 AI, 决策理论, Gemini