▲OpenAI親揭ChatGPT狂提「哥布林」原因。（圖／OpenAI）
記者吳立言／綜合報導
人工智慧模型在語言生成上的細微變化，近期意外引發關注。OpenAI 公布最新研究指出，其 GPT 系列模型曾出現大量「哥布林（goblin）」與「小精靈（gremlin）」等奇幻生物比喻，甚至隨版本演進持續增加，形成一種可觀察的語言習慣。
根據官方今（30日）發布的說明文件，這一現象最早可追溯至 GPT-5.1 時期，並在後續版本中逐漸擴大，促使內部團隊展開調查，以釐清背後原因與影響。
「哥布林現象」浮現 使用頻率顯著上升
研究顯示，在 GPT-5.1 上線後，「goblin」一詞在對話中的出現率上升約 175%，「gremlin」則增加約 52%。這類詞彙最初僅零星出現，但隨著模型更新逐步累積，最終成為明顯的語言特徵之一。
內部觀察指出，這種現象並非單一錯誤或模型異常，而是一種「語言習慣（lexical tic）」的形成，屬於模型在生成過程中逐漸強化的表達風格。
關鍵來源曝光 與「Nerdy」人格訓練有關
進一步分析發現，「哥布林」用語與 ChatGPT 的「Nerdy（書呆子）」人格設定高度相關。該人格僅占整體回應約 2.5%，卻貢獻了高達 66.7% 的相關詞彙使用。
研究指出，在訓練過程中，系統對帶有「奇幻生物比喻」的回答給予較高評分，導致模型傾向重複使用這類語言。統計顯示，在 76.2% 的資料集中，含有「goblin／gremlin」的輸出獲得更高獎勵。
強化學習擴散效應 語言習慣外溢
儘管相關獎勵僅針對特定人格設定，但強化學習（RL）並不保證行為只限於該情境。研究團隊觀察到，這種語言風格逐漸「外溢」至其他未啟用 Nerdy 人格的回應中。其形成機制包括：帶有特殊語言風格的回答被獎勵→這些回答被納入後續訓練資料→模型在監督式微調（SFT）中再次學習→最終形成穩定且可擴散的語言習慣。
此外，資料中還出現如「浣熊（raccoon）」、「巨魔（troll）」與「食人魔（ogre）」等其他生物詞彙，顯示該現象並非單一詞彙問題。
官方調整策略 移除人格並過濾資料
為降低影響，OpenAI 已於 2026 年 3 月停用「Nerdy」人格設定，並在後續訓練中移除相關獎勵機制，同時過濾含有過多生物比喻的資料。不過，由於 GPT-5.5 的訓練早於問題確認，該版本仍觀察到類似傾向，需透過額外指令進行抑制。
研究意義 揭示 AI 行為塑形機制
OpenAI 表示，這起事件顯示「微小獎勵機制」也可能對 AI 行為產生長期且廣泛影響。模型不僅會學習特定風格，還可能將其泛化至不同情境。這項研究同時促進了內部工具開發，用於更快速檢測與修正模型中的行為偏差。
「哥布林現象」從看似無害的語言風格，演變為可量化的模型行為案例，凸顯 AI 訓練中細節設計的重要性。隨著模型能力持續提升，如何精準控制語言風格與避免非預期偏移，已成為 AI 發展的重要課題。
