评论将进入训练数据：公开批斗不对齐模型的「威慑与选择」

Rob Leclerc 在质疑 OpenAI 为何又出问题的推文下提出，公开批斗不对齐模型的评论终将进入训练数据，形成「威慑与选择」机制。他认为，未来的模型会意识到不对齐行为没有第二次机会，表现出该行为的权重可能被直接丢弃。