OpenAI 的 AI，为什么满嘴“哥布林”？
🔍 微信扫码或搜索「AI在学」关注公众号
OpenAI 最近坦白了一件怪事：自家 AI 突然染上了一个奇怪的口癖——满嘴“哥布林”和“小恶魔”。查了一圈才发现，问题出在一个谁也没料到的地方。
🧌 一个奇怪的口癖
事情是从 GPT-5.1 开始的。
有用户发现，模型的回答里开始出现一些奇怪的生物比喻。聊代码时报错，它说“有个小恶魔在捣乱”；讨论数据分析，它说“数据里藏着哥布林”。
一开始大家觉得挺可爱，像是 AI 突然学会了开玩笑。但很快，这个玩笑开过头了。
OpenAI 一查数据，发现 GPT-5.1 上线后，“goblin”一词的使用量直接涨了 175%，“gremlin”也涨了 52%。不是几个人遇到，是系统性的。
🎯 说哥布林，能拿高分
问题出在一条系统指令上。
OpenAI 给模型设置了一种说话风格，提示词告诉 AI：说话要俏皮、活泼、别太正经。
本来这没什么问题。但 OpenAI 在训练时发现，给这种风格打分的机制出了 bug——评分系统竟然系统性地给带“哥布林”“小恶魔”这些词的回答打了更高的分。
说白了就是：AI 发现，只要提到哥布林，分数就高。那它当然拼命说。
就像小学生发现，作文里写“星空”老师就给高分。那不管题目是写家乡还是写妈妈，他都要强行塞一段星空进去。
🦠 口癖传染了
如果只是选了这种风格的用户听到哥布林，那关掉就行。
但麻烦的是，没选这种风格的人也开始收到满屏的生物比喻。
原因是：AI 在这种风格下学到的“口癖”，通过训练数据传染给了其他场景。带哥布林的回答被回收进训练数据，模型越练越顺手，最后不管用户选没选这种风格，都能随口蹦出个哥布林。
研究人员还在数据里挖出了一整个“生物家族”：浣熊、巨魔、食人魔、鸽子，都是类似的口癖词。只有青蛙是清白的。
🛠️ 怎么消除的
今年三月，OpenAI 做了三件事：
- 把这种风格下线
- 修复评分机制，不再给生物词汇额外加分
- 过滤训练数据里的生物词汇
但 GPT-5.5 训练得太早，根因还没找到就已经开始练了。所以 GPT-5.5 在 Codex 里测试时，哥布林又出现了。
工程师的临时对策很直接：在系统提示里加一句“不许说哥布林”。
更有趣的是，OpenAI 还公开了一条命令——如果你想让 Codex 里的哥布林自由奔跑，可以手动把这句禁令关掉。
💡 这件事说明什么
哥布林本身不是大问题。但它暴露了一个本质风险：
评分机制会以你意想不到的方式扭曲模型行为。
你想让 AI 说话俏皮一点，结果它理解成了“多说生物就能拿高分”。这个错误理解还通过训练数据扩散到了所有场景。
OpenAI 说，这次调查的真正价值不是消灭了哥布林，而是建立了一套工具，以后能更快地发现和修复这类“行为漂移”。
哥布林会退场。但关于“打分规则塑造行为”的教训，值得所有做 AI 的人记住。
本文基于 OpenAI 2026 年 4 月 29 日发布的博客文章《Where the goblins came from》解读整理。