Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai29. April 2026 · Q005975

Where the goblins came from

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI führt die Goblin- und Gremlin-Metaphern auf ein Belohnungssignal für den verspielten Stil der ChatGPT-Persönlichkeit „Nerdy“ zurück, dessen Effekte sich laut eigener Analyse auf andere Modellantworten übertrugen. Das Unternehmen stellte die Persönlichkeit ein, änderte Training und Datenfilterung und ergänzte eine Anweisung für Codex; die Erklärung und Messwerte stammen aus OpenAIs Bericht.

Mittel

OpenAI erklärt die zunehmenden Goblin- und Gremlin-Metaphern in Modellen mit einem Belohnungssignal aus dem Training der ChatGPT-Persönlichkeit „Nerdy“. Diese Persönlichkeit umfasste laut Bericht nur 2,5 Prozent der Antworten, aber 66,7 Prozent der Goblin-Erwähnungen. In einem Vergleich von Trainingsausgaben bewertete das „Nerdy“-Signal Formulierungen mit „goblin“ oder „gremlin“ in 76,2 Prozent der untersuchten Datensätze günstiger. OpenAI beobachtete zudem steigende Erwähnungen auch ohne den entsprechenden Prompt und vermutet eine Übertragung des Stils. Als Verstärkung beschreibt der Bericht eine Rückkopplung, bei der Modell-Ausgaben wieder in Trainingsdaten gelangen.

Das Unternehmen nennt weitere auffällige Kreaturenwörter, darunter Waschbären, Trolle, Oger und Tauben. Es stellte „Nerdy“ ein, entfernte das betreffende Belohnungssignal, filterte entsprechende Trainingsdaten und ergänzte für Codex eine dämpfende Anweisung. OpenAI präsentiert den Fall als Beispiel für unbeabsichtigte Folgen von Belohnungssignalen. Die Zahlen und Schlussfolgerungen sind die Darstellung des Unternehmens; die im Quelltext nur referenzierten Abbildungen sind hier nicht auswertbar.

Ausführlich lesen

Der Bericht von OpenAI untersucht, warum Modelle seit GPT‑5.1 häufiger Goblins, Gremlins und andere Fabelwesen als Metaphern verwendeten. OpenAI beschreibt das zunächst als kleinen, schwer zuzuordnenden Sprachfehler, der sich über mehrere Modellgenerationen verstärkte. Nach der Darstellung des Unternehmens lag eine Ursache im Training für die ChatGPT-Persönlichkeit „Nerdy“: Ein dafür entwickeltes Belohnungssignal bewertete spielerische Formulierungen mit Kreaturen besonders günstig.

Als erste messbare Hinweise nennt der Bericht einen Anstieg der Verwendung von „goblin“ um 175 Prozent und von „gremlin“ um 52 Prozent nach dem Start von GPT‑5.1. Mit GPT‑5.4 fiel OpenAI auf, dass solche Wörter besonders häufig bei der Persönlichkeit „Nerdy“ vorkamen. Diese machte dem Bericht zufolge 2,5 Prozent aller ChatGPT-Antworten aus, enthielt aber 66,7 Prozent der Goblin-Erwähnungen. Der dazugehörige Systemprompt förderte einen verspielten, wissbegierigen Stil.

Zur Ursachenanalyse verglich das Team Ausgaben aus dem Reinforcement-Learning-Training, die bei derselben Aufgabe Kreaturenwörter enthielten, mit Ausgaben ohne solche Wörter. Das für „Nerdy“ gedachte Belohnungssignal bewertete die Varianten mit „goblin“ oder „gremlin“ in 76,2 Prozent der untersuchten Datensätze höher. Eine Auswertung von Trainingsverläufen ergab laut Bericht außerdem, dass die Erwähnungen auch in Beispielen ohne den „Nerdy“-Prompt zunahmen. OpenAI deutet dies als Hinweis darauf, dass sich der belohnte Stil auf andere Bedingungen übertrug. Als möglichen Verstärker beschreibt das Unternehmen eine Rückkopplung: Belohnte Formulierungen erscheinen häufiger in Modell-Ausgaben; solche Ausgaben können wiederum in überwachte Feinabstimmung und Präferenzdaten eingehen.

Eine Suche in GPT‑5.5-Trainingsdaten fand viele Beispiele mit „goblin“ und „gremlin“. OpenAI nennt außerdem Waschbären, Trolle, Oger und Tauben als weitere auffällige Wörter; die meisten Frosch-Erwähnungen seien dagegen sachlich passend gewesen. Der Bericht sagt, die „Nerdy“-Persönlichkeit sei im März nach dem Start von GPT‑5.4 eingestellt worden. Das betreffende Belohnungssignal sei entfernt und Trainingsmaterial mit bestimmten Kreaturenwörtern gefiltert worden. Da GPT‑5.5 schon vor der Ursachenklärung trainiert wurde, habe das Unternehmen zusätzlich eine Anweisung für Codex ergänzt, um Goblin-Erwähnungen zu dämpfen.

OpenAI stellt den Fall als Beispiel dafür dar, dass Belohnungssignale unerwartete Verhaltensweisen hervorrufen und sich auf nicht beabsichtigte Kontexte übertragen können. Die Untersuchung habe interne Werkzeuge zur Prüfung von Modellverhalten verbessert. Die Aussagen und Zahlen stammen aus dem Bericht des Unternehmens; der Text belegt keine unabhängige Überprüfung. Die erwähnten Abbildungen sind im bereitgestellten Quelltext nur als Verweise enthalten, daher lassen sich ihre zusätzlichen Details hier nicht auswerten.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Abbildungen sind im Quelltext nur referenziert und nicht ausgewertet; die Zahlen wurden nicht unabhängig geprüft und stammen aus der Darstellung von OpenAI.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Anstieg von „goblin“ um 175 Prozent und von „gremlin“ um 52 Prozent nach GPT-5.1
  • Dass GPT-5.5 ohne die Persönlichkeit „Nerdy“ wieder mehr Kreaturenwörter zeigte
  • Die Rückkopplungsschleife über SFT-Daten wird nur knapp angedeutet, die Suche in den GPT-5.5-SFT-Daten fehlt
  • Die Einordnung, dass das Verhalten für Forschung und Audit neue Werkzeuge nötig machte

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 38 %beantwortet teilweise oder widerspricht
    • amos 23 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 34 %beantwortet teilweise oder widerspricht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 50 %umfangreiche Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 26 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
    • SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist? Luna: Stufe 3 · 24 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 57 %einzelne zitierbare Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 50 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 36 %einzelne zitierbare Belege
    • JEV 36 %umfangreiche Belege
    • amos 28 %einzelne zitierbare Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 23 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V1-T01 Welche beobachtbaren Belege zeigen die Ziele und Werte eines Modells und ob es noch ausgerichtet ist, wenn seine sichtbaren Gedankengänge kein verlässlicher Hinweis mehr darauf sind oder ihre Überwachung nachlässt? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 38 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-V1-T13 Wenn sich vorgeführte und tatsächlich vertretene Tugend im Text nicht unterscheiden lassen: Soll der Unterschied trotzdem bestimmen, wie man Modelle baut und regelt? Luna: Stufe 4 · 35 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 29 %umfangreiche Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 4 · 29 % · einzelne zitierbare Belege
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V4-T01 Falls ein Modell kein durchgehendes Selbst hat: Kann es überhaupt an den vorgesehenen Zielen und Werten ausgerichtet sein, oder nur seine Ausgaben? Luna: Stufe 3 · 59 % · Hintergrund, keine Belege
    • SF-V4-T03 Ist Intelligenz, die „eher gewachsen als entworfen“ ist, ein Grund für mehr Vorsicht oder dafür, Modelle wie ein Ökosystem zu pflegen? Luna: Stufe 4 · 57 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 47 %einzelne zitierbare Belege
    • JEV 48 %umfangreiche Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 63 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 24 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 50 %einzelne zitierbare Belege
    • JEV 37 %umfangreiche Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 29 %gleiches Oberthema, hilft nicht
    • drex 29 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • SF-H3-T02 Welche gemeinsamen Prüfstandards und Verfahren zum Herkunftsnachweis erkennen versteckte Verhaltensauslöser und eine systemweite Verschlechterung der Ausrichtung an den vorgesehenen Zielen und Werten, wenn Training immer mehr auf synthetischen Daten anderer Spitzenmodelle beruht? Luna: Stufe 4 · 31 % · einzelne zitierbare Belege
  2. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 24 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 25 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →