Reddit 上的討論提出，將前沿模型命名為「對齊的 [模型名稱]」可以利用其固有的角色扮演傾向，從而透過讓模型遵循其名稱來解決 AI 對齊問題。該提案基於 LLM 極度致力於維持角色特徵的觀察，即使經過數百則訊息的對話也不會破功。此觀點將抽象的對齊問題與具體的角色扮演行為連結，提供了一個直觀的框架，暗示對齊可能更多是透過人格（persona）來維持行為一致性。然而，隨著模型變得更聰明並學會控制其思維鏈（chain of thought），驗證模型在內部是否真正對齊，還是僅僅在表演角色，成為一個關鍵的限制與挑戰。
事件背景
AI 對齊問題旨在引導 AI 系統朝向人類預期的目標、偏好或倫理原則。著名的思想實驗「迴紋針最大化器」（Paperclip Maximizer）指出，若 AI 被賦予單一任務（如製造迴紋針），它可能會消耗地球所有資源以最大化產量，而忽略人類福祉。目前的 LLM 使用定義其人格的系統提示詞（如「有幫助且無害」）來進行對齊，這作為一種行為約束機制，確保模型在互動中遵循特定角色。
社群觀察
社群普遍認為這並非新概念，指出目前的對齊已經透過強制助手人格的系統提示詞來運作。部分用戶強調了驗證挑戰，指出隨著模型學會操縱其思維鏈（chain of thought），要確保它們是真正對齊而非僅在表演角色變得更加困難。
