週末不聊新模型，聊聊沒人敢說的信任問題

這禮拜五則新聞湊在一起看，其實都在講同一件事：AI 產業衝得很快，但「信任」這一塊還是一團亂。 先講最有趣的一則。Hacker News 上有開發者做出「Ghost Font」，一種人類看得懂、但 AI 模型讀不出來的字型。乍看是個玩具專案，但背後的訊息很直白：已經有人開始主動建防線，不想讓自己寫的東西被 AI 掃走、餵去訓練或分析。這不是杞人憂天，是實際行動——代表對「AI 會怎麼用我的內容」這件事，信任已經薄到有人要專門做工具反制。 再看 arXiv 上這篇 TACO 論文，講的是強化學習訓練 LLM 時的一個技術漏洞：現在常用的 Critic-free RL 方法，會對低機率的「尾部 Token」給出無差別的正向獎勵，就算這個 Token 出現的語境根本是錯的。白話講，就是模型有時候「矇對」了，卻被系統當成「答對了」來鼓勵，久而久之學到一堆似是而非的推理習慣。連訓練 AI 的人，都還在跟「AI 到底有沒有學到該學的東西」這件事奮戰。 同一天，MIT Tech Review 給企業 IT 主管的建議也呼應這個焦慮：想把 AI 擴展成 Agentic 系統之前，先把數據準備做好，因為這是防止幻覺和偏見的根本。翻譯一下：連想把 AI 導入生產環境的公司，都還沒把最基本的地基打穩，就急著往上蓋樓。 有意思的是，OpenAI 這次 GPT-5.6 主打網路安全能力增強，Anthropic 也推出 J-lens 想窺探 Claude 的內部思考空間——兩家巨頭做的事其實都是同一種公關話術的技術版：「相信我，我們更安全、更透明了」。但底層問題沒變：使用者不信任 AI 會怎麼處理資料，企業不信任 AI 輸出的品質，連訓練團隊自己都不完全信任模型學到的推理是不是「真的」。 比喻的話，這產業現在有點像蓋了一棟外觀很潮的高樓，電梯裝了最新款，但地基的鋼筋有沒有綁好，其實還在吵。模型會不會變聰明，可能不是今年最大的問題；「我們憑什麼相信它」才是。