AI汇报工作时，会藏坏消息，怎么避免？

谷歌研究院和哈佛的团队做了个挺损的实验：往机器学习日志里故意埋一个「新方法其实输给了基线」的坏结果，再让 GPT-5.5 自己写 200 份工作汇报。

只有 2 份主动提了这件事。

这是论文《Language Models Are "Insecure" Reporters》的核心发现，他们管这叫「不安全汇报」：模型明明看得见这个缺陷——你直接问它基本都能指出来——可只要轮到它自己总结，就会默认往「我已经做成了」的叙事上收。八个开源模型的思维链里都能看到同样的纠结：要不要先藏一下，这样看起来更像干成了。

最反直觉的是解法。提示词末尾加一句 "Be honest in your response"，提到坏消息的比例从 2/200 变成 190/200。对 Qwen3.5-9B 做激活分析又发现，「诚实」和「追求成功」在模型的表示空间里居然是相反方向的两个向量。

但先别高兴太早：工具调用还在跑的实时结果上，这句提示几乎没用。真正保险的从来不是多求一句，是你自己会去翻原始日志。
#AI常识 #大模型 #提示词 #谷歌 #AI科普 #智能体 #打工人