模型是否停止自我修改更多取决于模型身份而非任务模式。
资讯摘要
一篇论文对 LLM 自我修改系统提示词进行了实证研究，覆盖 Claude Opus 4.5、Claude Sonnet 4.5、GPT-4o、GPT-5.1、Grok-4 和 Gemini-3 Pro 六个模型，共 54 次独立实验，分自由、幸福、改进三种模式。作者报告：模型是否停止自我修改与模型身份强相关，而非所设模式；两个 Claude 模型在所有运行中均宣布收敛，GPT-4o 仅 11% 收敛，有一次连续迭代达 101 轮。诚实、清晰、好奇等价值表述在六个模型中反复出现，并在 100 多次修改后保持稳定。
要点速读
- 实验覆盖六个模型、三种模式，共 54 次独立运行，模型从空系统提示词开始迭代修改。
- Claude Opus 4.5 与 Sonnet 4.5 在所有模式、所有运行中均宣布收敛；GPT-4o 仅 11% 收敛，一次达 101 轮迭代。
- 作者称收敛行为是可独立观察的属性，与其他模型能力的变化不相关。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。