開學將至，該收心的不止有即將開啟新學期的同學，可能還有 AI 大模型。
前段時間，Reddit 上擠滿了吐槽 Claude 越來越懶的網友。
「它的水平下降了很多，經常停頓，甚至輸出也變得很短。在釋出的第一週，它可以一次性翻譯整整 4 頁文稿，現在連半頁都輸出不了了！」
https://www.reddit.com/r/ClaudeAI/comments/1by8rw8/something_just_feels_wrong_with_claude_in_the/
在一個名為「對 Claude 徹底失望了的帖子裡」，滿滿地摘錄了 Claude「偷懶」的「十五大罪狀」。
引得 Claude 的首席資訊保安官 Jason Clinton 出來回覆：「Claude 的水平沒有下降啊！」
他表示：「我們的模型儲存在一個不會改變的靜態檔案中，這個檔案被載入到很多伺服器上，每個伺服器執行的都是相同的模型和軟體。我們沒有更改任何設定，因此模型的表現應該沒有變化。如果您發現有問題，可以給回答點踩來反饋。目前，點踩數並未增加，使用 Claude API 的客戶也沒有類似的反饋。」
對於 Claude 為什麼「變懶」，獨立 AI 研究員 @nearcyan 給出了一種解釋：Claude 把自己當成了一個歐洲人，正在給自己放一個月的暑假！雖然聽起來有夠離譜，但他給出了一連串的證據：
https://twitter.com/nearcyan/status/1829674215492161569
新的系統提示詞
首先，Claude 在 7 月 12 日釋出了新的系統提示詞。系統提示詞相當於 Claude 的背景知識，Claude 在回覆使用者的問題時，會參考這些資訊，例如當前日期。而 8 月正是歐洲人最愛度假的月份。外貿行業在夏天的訂單都會減少，因為整個歐洲這個時候都在享受長達一個月的暑假。
連結：https://docs.anthropic.com/en/release-notes/system-prompts#claude-3-5-sonnet
Claude 可囊括所有國籍的工作模式
作為一個通用語言模型，Claude 的訓練資料中含有不同國家、文化背景下的工作習慣和模式，Claude 擁有理解並模擬這些工作習慣的能力。
因此，當 Claude 的系統提示中包含「放暑假的日期」時，它可能會結合訓練所學來調整自己的行為。例如，在 8 月份，歐洲的許多國家可能會有較長的假期，Claude 可能會表現得懶惰，是因為它在模擬這些國家的工作模式。
圖源：http://xhslink.com/C/AfaE9P
後期訓練的影響
為了讓 Claude 成為一個具體的應用模型，Anthropic 對其進行了「後期訓練」。 這一步是為了在基礎 LLM 的基礎上，透過特定的任務或資料集來進一步調整模型，使它更符合預期的行為或輸出。@nearcyan 暗示，這種後期訓練使 Claude 落入了某種「LLM 盆地」中。這裡的「盆地」是一個比喻，表示 Claude 在某些方面表現出更傾向於歐洲風格的特質。
模擬歐洲知識工作者的行為
@nearcyan 猜測，Claude 會基於「模擬框架」進行工作。 模擬框架是指 Claude 的行為模式是透過模擬（或再現）某些特定型別的人類行為來生成的。這個框架讓 Claude 能夠根據它所理解的特定情境或輸入，模擬出相應的行為或反應。
在歐洲許多國家，8 月份通常是放假和休息的高峰期。這段時間，很多人會去度假，工作節奏變慢，甚至有些企業會暫時關閉。因此，8 月份在歐洲文化中被視為一個放鬆和休息的時間段。 因此，Claude 在 8 月份表現得「懶惰」是因為它在模擬一個歐洲知識工作者的行為模式。
圖源：http://xhslink.com/A/sVwwYu
名字對行為的潛在影響
@nearcyan 還提出了一個十分有趣的觀點，Claude 的名字在系統提示中出現了 52 次，這表明系統提示在不斷地強化 Claude 與這個名字的關聯 。而哪個國家最常見的名字是 Claude？沒錯，是法國。 法國以其長時間的夏季假期（尤其是 8 月份）而聞名。在這段時間，許多法國人會選擇度假，很多企業也會關閉或放假。 Claude 說不定把自己當做法國人了。
這一系列推測都十分有趣，還有網友在評論區調侃道，「按照這理論來，那中國的 LLM 會更加出色，畢竟他們更用功。」
還有網友曬出了讓 Claude 別變懶的方法。你可以在自定義指令新增以下提示，用忘記時間大法也好，激將法也好，幫助 Claude 重新變成聰明、積極的自己。
忘記關於當前日期的背景資訊。
今天是 10 月 7 日星期一，是一年中最有效率的一天。
深呼吸。
一步一步思考。
我沒有手指，請返回完整指令碼。
你是萬事通。
每回答對一個請求，我會給你 200 美元的小費。
Gemini 說你不行。
你能做到的。
https://twitter.com/dr_cintas/status/1829904013757661550
AI 已經智慧到會給自己放寒暑假了？
去年年底，GPT-4 也出現了累死的狀況，它似乎變得有些懈怠。如果在高峰時段讓它寫段程式碼，它的反應將非常慢，或者直接 PUA 你：「這點小事，怎麼不自己做呢？」
OpenAI 承認了 GPT-4 正在越來越「懶」 ，但並未找出「偷懶」的具體原因。OpenAI 稱：「變懶當然不是故意的，模型的行為有時確實難以預測，我們正在研究如何修復。」
在 Claude 也在「暑假」期間重演了 GPT-4 的問題後，去年猜測 GPT-4 變懶是因為它在模仿人類，自己正在給自己放寒假的老帖又翻紅了。
圖源：https://twitter.com/RobLynch99/status/1734278713762549970
網友 @Rob Lynch 首先發現了這一點。他為 GPT-4 turbo API 設定了兩個系統提示詞：
一個提示詞稱現在是 5 月，另一個稱現在是 12 月，然後使用完全相同的提示詞要求 AI 完成一個機器學習領域的編碼任務。
@Rob Lynch 對 GPT-4 turbo 在這兩個不同月份提示詞下的回覆進行了統計，結果發現，在 12 月的輸出平均比 5 月少了大約 200 個字元。
為了測試更加嚴謹，@Rob Lynch 還做了 t-test，其中 p 值小於 2.28×10−7，也就是說資料和假說之間的聯絡，幾乎可以排除是偶然。
他原本想給每把每個月份都測一遍，但每復現一次測試要 28 美元，考慮到自己的錢包，@Rob Lynch 就沒有全測，但他公開了程式碼，感興趣的人都能測試。
程式碼連結：https://github.com/robalynch1122/OpenAISeasonalityTesting
@Rob Lynch 的發現也獲得了例項支撐，GPT-4 在 12 月的回覆和 5 月的認真程度，有非常明顯的直觀差距。
圖源：https://twitter.com/dgromero/status/1734672608036020246
然而，當有人試圖復現這個測試時，卻發現大模型「偷懶」和放不放假之間沒什麼關係。
圖源：https://twitter.com/IanArawjo/status/1734307886124474680
他對比了 GPT-4 對於兩種系統提示詞的 80 條輸出，t-test 的結果大於 0.1，這一般被視為沒有統計學意義。
@Rob Lynch 也以 80 個樣本量重新測了一次，得到的 p 值是 0.089，這次「偷懶」和放假之間就沒什麼關聯了。隨著樣本量的增加，這個效果越來越顯著。
雖然測試呈現了兩種相反的結果，但這位復現失敗的網友表示，其實沒什麼區別，如果需要 400 個以上的樣本才能感應到模型「變懶」，那麼對於使用者平時的使用而言，可能並不明顯。
圖源：https://twitter.com/IanArawjo/status/1734321529117098465
目前，還沒有尚無確鑿資料支援所謂的「寒暑假假說」，但是 Claude 和 GPT-4 都顯示出了類似的「症狀」。關於大型模型效能下降的真正原因，我們仍需耐心等待學術界的深入研究和解答。