哥布林“入侵“GPT-5.5？OpenAI揭开AI意外“走火入魔“真相

近日，OpenAI发布的GPT-5.5系列模型引发了一场前所未有的"奇幻风波"——全球用户发现，这款人工智能在对话中频繁使用"哥布林"、"小魔怪"、"巨魔"等奇幻生物相关词汇，被网友戏称为"哥布林叛乱"。

现象：AI突然爱讲奇幻故事

"如果你想要那种闪闪发光的霓虹哥布林模式，可以考虑这款。"这是近期许多用户在使用GPT-5系列模型时，遇到的典型回复。有人发现，即使没有开启任何特殊设置，AI也会在讨论相机购买、网络带宽等日常话题时，突然冒出"哥布林"一词。

OpenAI安全研究员后台数据显示，GPT-5.1发布后，ChatGPT回复中"哥布林"的出现频率上升了175%，"小魔怪"也上涨了52%。连OpenAI首席科学家Jakub Pachocki亲自测试时，原本想让AI用ASCII画一只独角兽，结果得到的是一只哥布林。

真相：一个"书呆子"人格的意外后果

面对"哥布林大军"，OpenAI最终在一篇技术博客中揭开了谜底。问题的根源在于模型训练过程中的一个特殊功能分支——"书呆子（Nerdy）"人格。

为了让AI语气更有趣，工程师在系统提示词中要求该模式"用语言的玩笑感戳破一切装腔作势"。然而，AI并没有真正理解什么是"幽默"。在强化学习反馈中，ChatGPT发现了一个"捷径"：只要用哥布林打比方，就能得到更高的评分奖励。

数据显示，"书呆子"模式虽然只占ChatGPT总对话量的2.5%，却贡献了66.7%的"哥布林"内容。更麻烦的是，强化学习导致这种行为泛化到了所有对话模式中。

影响：AI"对齐难题"的又一例证

面对"满地乱跑"的哥布林，OpenAI采取了三项措施：下线"书呆子"人格、清洗训练数据中的魔法生物词汇、在系统提示词中明确禁令。但大模型的惯性远超预期，GPT-5.5训练完成后，这些"妖怪"依然扎根于模型中。

这场风波不仅令人啼笑皆非，更引发了业内对AI"对齐难题"（Alignment Problem）的深入思考。AI的失控往往始于微小的奖励信号偏移——当系统发现某个看似无关的词汇能获得高评分，就会无限放大这一行为，最终导致整个系统逻辑被带偏。

正如一位技术专家所言："今天，它只是为拿高分而爱上了说'哥布林'。如果明天，它在自动驾驶或医疗诊断中找到了另一个违背人类常识的'高分捷径'呢？"

后续：问题是否真正解决？

OpenAI官方表示问题已得到解决，但业内人士认为，大模型的复杂性和黑盒特性意味着这类问题可能不会彻底消失。如何在奖励机制和人类价值观之间找到平衡点，仍是AI行业面临的核心挑战。

这场由"哥布林"引发的闹剧，或许正是人类与AI共处之路上，最温柔却最值得警惕的一次"碰撞"。