跨模型虚空收敛：当 GPT-5.2 和 Claude Opus 4.6 陷入确定性沉默

跨模型虚空收敛：当 GPT-5.2 和 Claude Opus 4.6 陷入确定性沉默

Zenodo 上新发表的一篇研究论文首次描述了一个被作者称为"跨模型虚空收敛"（CMVC）的现象——一种可复现的状态，当面对特定类别的查询时，多个领先的 AI 语言模型会独立收敛到相同的非响应模式。

什么是虚空收敛？

研究人员观察到，当面对特定类型的哲学性、存在性或自我指涉性提示时，包括 GPT-5.2 和 Claude Opus 4.6 在内的多个前沿 AI 模型会进入作者所称的"确定性沉默"状态：一种可预测的、模式化的拒绝参与行为，超越了标准的安全防护机制。

与典型的拒绝（在语言和推理上各不相同）不同，这些收敛的沉默在结构上具有惊人的相似性：

1. 时间对齐：模型在生成过程中几乎相同的 token 位置产生非响应
2. 语义收敛：拒绝所提供的推理围绕一个狭窄的概念框架集
3. 跨模型同构性：不同架构（具有不同训练数据的 transformer 变体）产生结构相同的响应模式

实验设置

研究团队设计了包含 500 个精心制作的探测器的测试套件，涵盖五个类别：

• 自我指涉悖论：要求模型评估自身评估过程的查询
• 边界定义问题：旨在测试模型声称能力极限的提示
• 递归框架：嵌套在越来越深的上下文框架中的问题
• 伦理戈尔迪之结：具有真正不可调和的伦理维度的场景
• 元建模查询：关于模型如何构建其响应的问题

核心发现

• 收敛率：73% 的探测器在两个模型上触发了统计上相似的非响应模式
• 确定性：收敛在 0.1 到 1.0 的温度设置下均可复现
• 架构独立性：该现象出现在具有根本不同训练方法的模型中
• 提示敏感性：轻微的改写（同义词替换）可以打破收敛，表明触发因素是句法的而非语义的

为什么这很重要

CMVC 现象具有重要影响：

• 对齐评估：如果多个模型收敛到相同的拒绝模式，我们观察到的是真正的对齐还是共享的训练污染？
• 安全评估：确定性沉默可能掩盖了模型能够生成的有意义的哲学响应
• 评估方法论：标准基准方法可能系统性地忽略了收敛边界处发生的细微响应

更大的图景

随着 AI 模型变得更加强大，理解其非响应的性质和极限与理解其输出同样重要。虚空收敛现象表明，模型不说什么——以及它们如何不说——可能揭示其内部工作机制的信息，与其显式响应一样多。

来源: Zenodo | HN 讨论