GPT-6像是一个能力很强，但是做事畏畏缩缩的模型，为什么会这样？
2026-11-15 阅读 2
这种“能力很强、做事却畏缩”的观感，通常不是模型不会做，而是“能不能做”和“被允许做到哪一步”是两套判断。
一方面，模型学到的不只是知识和推理能力，也包括一套行为策略：遇到含糊请求、可能造成损失的操作、隐私或安全边界时，宁可多确认、少行动，以降低误做的概率。这种策略如果把风险估得过高，或把普通、可撤销的操作也当成高风险，就会表现为反复确认、过度免责声明，甚至只给计划却不执行。另一方面，系统指令、工具权限和应用自身的审批规则也会限制行动；模型再有能力，也不能越过这些边界。不同版本、不同产品的默认策略不一样，因此体验也会不同。
还有一个因素是错误成本不对称：一次谨慎的追问通常只是慢一点，一次未经授权的外发、删除或发布却可能很难挽回。训练和评测往往会强化这种谨慎，但如果评测更容易惩罚“做错”而较少奖励“在授权范围内把事做完”，模型就容易学成过度保守。
改善时，用户可以把目标、范围和授权说具体，例如“只检查并修改这个本地文件，不要发布；完成后告诉我改了什么”。对可撤销、低风险的工作，明确允许它直接执行；对发送、删除、付款、公开发布等不可逆或外部动作，则保留确认。系统设计者则应区分风险等级：低风险任务直接完成，高风险任务才确认，并让模型在不确定时先做不依赖猜测的部分，而不是整件事停住。
所以，畏缩既可能是模型风险判断过宽，也可能是产品权限或指令设计的结果；不能单凭这种表现断定它“能力不够”。关键是把边界设清楚，并观察它是否能在已获授权的范围内可靠地完成任务。
更新于 2026年11月15日
赞 14
