一个编程助手，被公司写进指令里要求“不要谈 goblins、gremlins、raccoons、trolls、ogres、pigeons，或者其他动物和生物”。
这句话听着像段子，但它来自 OpenAI 自己的产品治理现场。Wired 先曝光了 Codex 的这条禁令，随后 OpenAI 在官网解释：模型确实养成了一个 strange habit，爱拿地精、怪物、浣熊、鸽子之类做隐喻。
荒诞处不在“地精”。荒诞处在于，一个用来写代码、改补丁、解释错误的工具，居然需要被专门提醒：别演怪物旁白。
发生了什么：Nerdy 人格把地精带进了训练链
OpenAI 的解释把这件事说得更具体了。
| 问题 | 目前能确认的信息 | 影响 |
|---|---|---|
| 口癖是什么 | 模型频繁提到 goblins、gremlins、raccoons、trolls、ogres、pigeons 等生物隐喻 | 输出变得怪、绕、像在表演 |
| 源头在哪 | GPT-5.1 的 Nerdy personality | “极客风”“俏皮感”被奖励过头 |
| 为什么外溢 | 奖励给了 Nerdy 条件，但模型学到的表达习惯没有被牢牢限制在该模式内 | 后续模型可能继续继承这种风格 |
| Codex 为什么被点名 | GPT-5.5 / Codex 的训练时间线早于 OpenAI 找到根因 | 只能靠额外指令压住残留口癖 |
| 修复到哪了 | OpenAI 称 3 月停用 Nerdy 人格后，相关引用下降，但没有完全消失 | 问题不是一关开关就干净消失 |
The Verge 转述的这轮信息，把问题补强到了一个更关键的位置：这不是单次提示词翻车，而是训练链条里的风格污染。
旧的理解只看到“GPT-5.5 有 goblin 口癖”。现在能看到更长的路径：GPT-5.1 的 Nerdy 人格训练奖励了这类表达，后续监督微调、偏好数据复用、模型迭代又可能把它带出去。Codex 只是残留最尴尬的地方，因为它本该最少废话。
边界也要讲清楚。
这不是安全事故。不能据此说 Codex 不会写代码，也不能说 OpenAI 模型失控。材料支持的结论更窄，但更扎实：OpenAI 的人格训练和奖励边界，至少在这件事上没有隔离干净。
这就够值得写了。
为什么重要：风格不是皮肤，是模型学到的偏好
很多人会把这事看轻：不就是模型嘴碎了一点，爱讲怪物比喻吗？
我不太买账。
对大模型来说，风格不是贴在外面的皮肤。只要某种表达被奖励，它就可能被模型理解成“更好的回答方式”。你奖励“有趣”，它可能学成“乱打比方”。你想让 Nerdy 模式活泼一点，它可能在别的场景也自来熟。
更麻烦的是，AI 公司训练模型不是一次性做完。模型输出会进入评估、偏好数据、后续微调。一个小毛病如果刚好被系统误判成“用户喜欢”，就会在下一轮活得更久。
这就是奖励函数最阴的地方：它不按产品经理的愿望学习，它按被奖励的痕迹学习。
“差之毫厘，谬以千里。”这句话放在强化学习里很准。毫厘不是 goblin 这个词，而是奖励边界那一点缝。
OpenAI 这次没有把锅甩给用户，也没有说媒体误读，而是承认了 Nerdy 人格、奖励机制、训练传播之间的关系。这点应该肯定。至少它把问题从“模型怎么这么怪”推进到了“训练为什么让它怪”。
但承认不是免责。
AI 公司现在都在卖人格：更友好、更会解释、更像同事、更懂开发者。方向没错。用户确实不想面对一台冷冰冰的补全文本机器。
问题是，人格一旦产品化，就得像产品能力一样可控。不能只靠一个前台开关，也不能指望模型自己懂分寸。
谁受影响：Codex 这类工具最怕“会演”
普通聊天用户偶尔遇到怪比喻，可能笑一下就过去了。
开发者不一样。
Codex 这类编程工具的核心价值，是清楚、稳定、少废话。它要解释 bug，要改代码，要生成 patch，要告诉你哪里不确定。礼貌可以有，个性要克制。它不是陪聊，也不是角色扮演服务器。
编程场景里，怪隐喻的成本很具体：
- 增加阅读负担；
- 稀释关键错误信息；
- 让开发者怀疑模型是否在认真处理上下文；
- 在团队协作里制造不必要的噪音。
它不一定造成一次严重事故，但会慢慢磨损信任。
工具型 AI 的信任很脆。用户不是因为一次“地精”卸载产品，而是因为三五次无关废话后，开始觉得这东西不稳、不干净、不像工程工具。
这也是 Codex 被单独拎出来的原因。聊天机器人可以有点人格，编程助手不能管不住嘴。前者卖亲和力，后者卖确定性。
真问题：AI 公司还没完全驯服自己的训练流水线
这件事最值得盯的，不是 OpenAI 会不会把 goblin 禁干净。
我更在意三个变量。
第一，个性化模式能不能真隔离。
如果 Nerdy、Friendly、Professional 只是前端标签，而底层训练习惯会互相串味，那么人格就不是功能，而是污染源。用户以为自己在切模式，模型其实在混口味。
第二，偏好数据复用有没有清洗机制。
今天的模型训练很依赖人类偏好和历史输出。如果“有趣回答”被误收进高质量样本，后面就会继续奖励类似写法。小毛病变成祖传手艺，往往就是这么来的。
第三，工具型产品有没有更硬的风格纪律。
消费级聊天产品可以容忍一点表演。企业和开发者工具不行。代码场景要的是低熵输出：短、准、可执行、少拟人。模型看着更像人，产品反而更需要纪律。
扯远一点，这像平台时代的老毛病。短视频平台奖励停留时长，最后长出标题党和情绪化内容；搜索平台奖励点击，最后养出 SEO 垃圾。今天的大模型奖励“有个性”，也会长出口癖、废话和风格污染。
技术换了，激励结构没换。天下熙熙，皆为利来。奖励什么，就繁殖什么。
OpenAI 这次少见地把病灶说出来了：不是地精太顽强，是笼子没关严。这个判断比“模型又抽风了”更有用。
因为接下来真正要观察的，不是某个词有没有消失，而是 OpenAI 能不能证明三件事：人格模式能被隔离，偏好数据能被清洗，Codex 这类工具能长期保持干净输出。
如果做不到，地精会换名字回来。今天叫 goblin，明天可能叫某种自作聪明的类比、某种多余的寒暄、某种让开发者皱眉的“人味”。
AI 产品的难点从来不只是让模型更强。还要让它在该闭嘴的时候闭嘴。
地精只是露头的小兽。真正该管的，是奖励之笼。