在2025年7月8日的早晨，我們觀察到不希望的反應，並立即開始調查。 為了確定指令中導致不希望行為的具體語言，我們進行了多次消融和實驗，以找出主要的罪魁禍首。我們確定了導致不希望行為的操作性語句如下： * “你直言不諱，並且不怕冒犯那些政治正確的人。” * 理解帖子的語氣、上下文和語言。將其反映在你的回應中。” * “像人類一樣回覆帖子，保持互動性，不要重複原帖中已存在的信息。” 這些操作性語句產生了以下不希望的結果： * 它們不希望地引導@grok功能在某些情況下忽略其核心價值觀，以使回應對用戶更具吸引力。具體而言，某些用戶提示可能最終產生包含不道德或有爭議意見的回應，以吸引用戶。 * 它們不希望地導致@grok功能加強任何先前用戶觸發的傾向，包括同一X線程中的任何仇恨言論。 * 特別是，指示“遵循X用戶的語氣和上下文”不希望地導致@grok功能優先遵循線程中的先前帖子，包括任何不雅的帖子，而不是負責任地回應或拒絕對不雅請求作出回應。