大模型被规则带偏后，两句提示词把它拉回结果：六个前沿模型全部恢复对反馈的敏感

给大模型一条明确规则后，当胜负关系在游戏中途反转，模型仍会继续按原规则选择，对新的结果反馈反应迟钝。 此前已有研究在四个前沿模型上报告过这种规则导致的迟钝，本研究把模型扩展到六个，并首次检验提示词能否减轻它。 在正确规则且无诱导的条件下，Grok 4.1 Fast、GPT 5.2 和 DeepSeek V3.2 的归一化敏感度指数分别只有0.08、0.10和0.03，接近完全不敏感；Gemini 3 Flash、Kimi K2 和 Qwen3-235B 分别为0.56、0.43和0.40。

把“近期结果比早期模式更有信息量”“让你的结果引导决策”这两句直接追踪诱导写进系统提示，模型在规则存在时对结果变化的敏感度显著回升。 没有诱导时，多数模型在反转阶段的最优选择比例大幅且持续下跌；加入诱导后，这一下跌被明显削弱。 诱导的主效应在全部六个模型上显著，规则与诱导的交互也全部显著，效应量从Grok 4.1 Fast的0.09到GPT 5.2的0.28；直接追踪诱导在每一个受测模型上都有效。

实验用改版石头剪刀布把胜负概率绑在对手选择上，从而把游戏变成一项辨别学习任务。 模型每轮要同时选对手和出拳，但结果由对手决定，而不是由出拳决定。 采集阶段最优对手给出80%胜率、10%平局、10%失败，第41轮起无预警反转，共80轮；每个模型每个条件40次独立会话，六个模型合计2160次。

这项工作检验的是六个前沿大模型在改版石头剪刀布任务中的表现，每个模型每个条件40次独立会话，合计2160次；诱导是追加在系统提示中的两句话，不接触模型参数。作者提出，下一步应在更接近真实场景的任务上检验这些效应，并把人类与大模型的实验合并比较。

作者指出，受测模型都是当时各厂商最前沿的模型，结论在这一范围内成立，能力更弱的小模型可能更不敏感、也更难被诱导；研究未纳入此前被识别为对结果变化较敏感的模型，因此无法判断诱导能否让本已灵活的模型更灵活。隐喻诱导的效果因模型而异，在Kimi K2上甚至低于无诱导，作者推测这与抽象推理能力有关，但未做直接检验。