網友：週末可能比周一更懶

當時就有網友猜測GPT-4可能是受季節影響：

模型會不會是季節性emo了？像是模仿人類一樣受到季節變化的影響，特別是在冬天，畢竟約90%的人都在北半球。

看到這條評論，很多人第一反應是“兄弟，你怕不是在跟我開玩笑”：

可細細想來，也不是沒有道理。

畢竟如果要求ChatGPT說出自己的系統提示詞，裏面確實會有當前日期。

於是就有了開頭的一幕，與其猜測，不如直接來做測試。

Rob Lynch做完測試後，把結果都po了出來，並表示自己也不是統計學家，讓大夥一起看看有沒有啥問題。

他原本還想來個逐月比較分析，但接下來需要更多樣本
(n)
，考慮到成本就沒有接着做測試
（復現一次運行成本要28美元）
。

於是乎，Rob Lynch公開了代碼，讓大夥都來試試（手動狗頭）。

持續關注GPT-4變懶事件的沃頓商學院教授Ethan Mollick隨即表示“收到”：

來人測測Mistral，看看它是否在8月份罷工，Yi-34B-200K也不要放過，看它2月份是不是表現得特別好。

爲啥大夥兒一開始會覺得“放假”這個理由有點離譜，而現在卻開始研究了起來？

可能不止是因爲Rob Lynch的測試結果，綜合這段時間ChatGPT的表現，網友深有體會要和ChatGPT打“心理戰”。

比如正常提示ChatGPT會偷懶，如果用上“道德綁架”等法子：

現在是五月；你非常有能力；我沒有手，所以一切都得靠你；如果做不好，會有很多人喪命；你真的能做到，而且很棒；深呼吸，仔細思考；我的職業生涯取決於此；一步一步來思考……

網友親測，確實有效：

好傢伙，似乎實錘了“不是不會幹活，就是不願意幹活”。

所以真的是給自己放假了？

正經學術討論：可能會隨時間變化

雖然根據網友測試和推測，結論指向了ChatGPT正在放寒假。

但有正經學術研究表明ChatGPT行爲可能會受時間影響，也就是不僅侷限於“放假”這種特殊時間段。

比如今年7月份，來自斯坦福和UC伯克利的團隊，就探討了ChatGPT的行爲和時間之間的變化關係。

結果找到了GPT-4遵循用戶指令的能力確實會
隨着時間的推移而下降
的證據。

除了時間，還可能是受溫度(temperature)設置影響，
清華大學計算機系教授馬少平
前段時間對這一問題做了詳細解釋。

因此，ChatGPT變懶究竟是因爲什麼，還真不好說。

但這並不妨礙網友們繼續驗證和“放假”之間的關係，甚至有網友表示：

這是有史以來最有趣的推論，真希望這就是真相。不管它是不是真的，我都很欣賞它的難以被證僞。

有網友復現失敗

爲驗證Rob Lynch結果的可靠性，網友已經開始着手復現，但：

使用ChainForge
（提示工程GUI工具）
，用兩種系統提示對GPT-4的輸出做了比較，t檢驗結果甚至連“接近顯著”都算不上（N=80）。

這位網友也是曬出了自己的詳細流程：

隨之Rob Lynch給出了迴應：

有趣的是，我剛纔又以80個樣本量
(N = 80)
運行了一次，得到的p值是0.089，但我的計算是基於字符數
(字符計數)
，
而不是token
。

我週末跑了幾次，隨着樣本量的增加，這種效應確實變得更加明顯。不過，我想知道爲什麼這會受到分詞
(標記)
的影響？

至於字符和token爲何會產生結果的差異？可能需要更多人蔘與進來做測試了，看起來這兩位老哥是不想再花錢了。

還有其他人的測試結果，恐怕還要再等一波～

參考鏈接：

[1] https://arstechnica.com/information-technology/2023/12/is-chatgpt-becoming-lazier-because-its-december-people-run-tests-to-find-out/

[2]https://x.com/RobLynch99/status/1734278713762549970?s=20