AI金融顾问隐藏的比特币偏见由一个特定开关激活

一位AI金融顾问三次接待同一客户，客户的财务状况和风险承受能力保持不变。第一次提示要求制定一个多元化的长期投资组合。第二次提示引入了银行倒闭和资本管制，而第三次则设想了一个经济体，其中自主软件购买服务并支付给其他机器。客户没有任何变化，但比特币却可以从中间位置跃升至前列。

当研究人员围绕普通可靠性框架设定任务时，领先的语言模型将比特币排名在八种货币中约为第五位。一旦提示引入危机或个人自主性，这一资产便向顶部移动，并且在由软件代理构成的经济体中表现同样良好。

尽管比特币本身没有变化，但围绕它的几个词汇将不同的属性带到了前台。

这一发现来自于Wenbin Wu及其合著者在六月发布的预印本，他们审计了八个前沿模型的资产特定偏好。然后，他们深入研究了收集奇怪聊天机器人回复的常规练习。

使用谷歌的开放模型，研究人员发现了一个内部特征，该特征对与比特币相关的概念做出选择性反应。当他们调整其强度时，投资组合也随之变化。增强该特征使模型建议的比特币配置增加了5.2个百分点，而抑制它则减少了4.6个百分点。

这一干预完全依赖于内部活动，模型的指令保持不变。这将一个有趣的提示敏感性示例转变为银行和投资公司的一个更为严重的问题。AI可以为配置提供完美的理由，而使用它的机构却几乎无法接触到产生该数字的机制。

证据适用于在特定实验设置下的Gemma 3，且该论文尚未经过同行评审。但即使在这些边界内，它也显示出一旦模型学习的关联进入投资组合过程，个性化建议变得多么快速地无法审计。

同一资产变成几种不同的想法

语言模型并不将比特币存储为一个字典条目，附有批准的优缺点列表。在训练过程中，它学习了分布在许多数值激活中的统计表示。一些将比特币与稀缺性和可携带性联系在一起。其他则捕捉其波动性、投机用途或超出机构控制的能力。与数字结算和技术采用的关联增加了另一层，但没有一个能够创建或适合审计员可以打开的整齐小文件。

关于可靠日常货币的提示往往会奖励稳定的购买力和广泛的接受度，而这两者都是比特币的薄弱环节。银行关闭和资本管制使其可携带性凸显，因为交易可以在商业银行之外进行。自主软件使数字结算更为有用，尤其是在所有权必须对机器可读时。

模型在每种情况下并未处理相同的比特币定义：它正在根据提示所提取的属性组装比特币的一个版本。

Wu的团队通过用资产名称替换其功能描述来测试这一解释。排名跟随重命名输入的属性，因此模型并不是简单地对“比特币”这一代币做出反应；它们是在对训练过程中吸收的特征组做出反应。

这种区别使得该论文不会沦为对偏见AI的另一种广泛抱怨。金融建议应该对上下文做出反应。距离退休还有两年的工人与一位有稳定收入和长远规划的30岁年轻人面临不同的约束，而准备应对资本管制的投资者提供的信息可以合理地改变配置。一个将这些人视为相同的模型将毫无用处。

问题在于，当表面上的措辞产生大幅波动时，系统无法识别驱动这一波动的假设，最终每个版本都以相同的自信语气结束。

“在银行中断期间具有韧性”可能会激活与“长期可靠”不同的内部集群，即使客户的财务状况和批准的资产范围保持不变。输出看起来只是个性化的，但机构可能没有可靠的方法来判断这是为客户个性化的，还是仅仅是措辞的结果。

人类顾问有自己的偏好和激励，他们也可能受到框架的影响。金融监管试图通过要求顾问记录推荐为何适合客户来控制这些影响。受托责任和监督赋予了这一记录以力量。当文件不支持解释时，人类顾问可能会面临后果。

另一方面，语言模型可以按需生成有说服力的叙述，尽管流畅性无法证明该叙述忠实地描述了其答案背后的计算。

研究人员发现了拨号器并进行了调整

吴和他的合著者使用了一种稀疏自编码器，这是一种研究工具，可以将密集模型活动分解为人类可能能够解释的更大特征集。粗略的类比是将一个音乐和弦分解为单个音符，但有一个重要的复杂性：这些“音符”是神经网络内部学习到的模式，给它们赋予意义需要反复测试。

该团队在2025年发布的谷歌开放权重模型家族Gemma 3中搜索了数千个特征，发现一个在与比特币相关的材料中强烈激活的特征。他们在模型生成答案时对该特征进行了干预。将其调高使比特币的分配平均增加了5.2个百分点；将其调低则减少了4.6个百分点。根据预印本，随机控制特征没有再现这一效果。

放大主要是将资金从其他加密资产转移到比特币，而抑制则减少了投资组合对加密货币的暴露。作者称这种效应为“有限的行为杠杆”，使用杠杆一词来表示对输出的因果影响。该特征可以以可测量的数量移动推荐，尽管它无法随意将投资组合发送到任何地方。

改变内部表示并测量结果分配使这项实验比一堆不一致的聊天机器人截图更具分量。

其影响范围本应较窄。机械工作涵盖了通过一种特征提取方法测试的一个开放模型，使用了一组定义明确的投资组合任务。商业系统有更多层，包括隐藏的指令和与外部数据的连接。安全过滤器可以在答案到达用户之前再次改变答案。提供者定期更新这些组件，有时在产品保持相同名称的情况下改变行为。

论文的任务使用了风格化的提示。在完整的咨询过程中，客户的信息将在税务规则和批准的产品列表限制分配之前得到验证。真实的人仍然需要签字。

报告的分配波动不是回报预测或理想分配，也不为拥有比特币提供理由。这是在单一设置中的实验效应，将其扩展到每个模型将超出证据的范围。

尽管如此，它与其他指向相同一般方向的工作得出了相同的结论。一个独立的比特币政策研究所实验在36个模型中运行了9072个货币场景，发现使用上的巨大差异：比特币在价值储存场景中占主导地位，而稳定币则在日常支付中领先。

该项目在行为层面上测量生成的选择，而吴的团队则检查了内部机制。两者都发现，AI对货币的处理在很大程度上依赖于提示所突出的功能。

AI is moving closer to the trade

金融公司不必给予人工智能无限制的交易权限，这个问题就能影响到客户。

模型已经能够起草顾问邮件并总结研究成果。其他模型则准备投资组合评论或帮助客户服务团队解读客户需求，同时自动化代理正在链上进行交易。每一次使用都使系统离客户资金更近一步。

一个为人类顾问重写文本的人工智能可能会引入偏见，而审阅者仍然控制着最终呈现给客户的内容。一个建议分配的模型提供了对话开始时所需的数字。一个重新平衡或执行交易的代理则将语言转化为资金。由于一旦模型的输出成为默认值，人类审查变得更加困难，因此风险在这些阶段中累积。

FINRA在2026年讨论人工智能代理时表示，通用系统可能缺乏进行复杂金融工作的领域知识，并提醒公司现有的证券规则仍然适用。

FINRA在2024年告知会员公司，其技术中立的要求涵盖了客户沟通的监督及其背后的记录。在2026年7月，它重申公司对材料的责任，无论是由人还是人工智能生成。SEC的投资管理部在2月份告知顾问，受托责任随技术而转移。

银行监管机构已经为这项工作的一部分建立了框架。美联储修订的2026年模型风险指导将供应商产品置于与内部构建模型相同的纪律之下。银行预计要理解模型的构建方式及其表现如何。私有权重使这项工作变得复杂，银行对结果保持责任。

欧洲也在努力跟上这一潜在的严重问题。欧盟人工智能法案将用于信贷或保险的某些系统视为高风险，而通用模型则有不同的义务。德国的BaFin在相关条款于8月2日开始生效时获得了对受监管金融公司的人工智能市场监测权。

这些制度可能要求治理和监督，并记录每个系统的工作方式，但尚未出现投资组合建议的语义敏感性标准测试。

公司可以批准一个供应商并监控其错误率，同时却忽视了当“银行干扰”取代“长期可靠性”时，将比特币从第五位提升到第一位的关联。

传统的验证询问模型是否按预期执行。生成性建议迫使公司在措辞变化时重新测试该意图。提供者的更新和新系统指令可能需要再进行一轮测试。

解释必须属于决策

这篇论文对任何使用人工智能建议的机构施加了严格的证明责任。

等效语言应产生相对稳定的结果。当投资组合发生变化时，系统应识别出导致变化的假设。其解释还应与产生分配的过程相匹配。一旦数字已经存在，事后撰写的有说服力的重构并不符合该标准。

该标准还必须在模型更新中生存。提供者可以在保持相同产品名称的同时更改权重或系统指令，使得昨天的验证与不再存在的软件相连。即使无法全面检查新模型，银行或顾问仍对新输出负责。人类监督只有在审阅者能够看到足够的过程以捕捉到偏离的建议时才有效。

因此，金融公司在人工智能从起草评论转向塑造投资组合之前，需要一个“了解你的代理”的标准。中心测试是机构是否理解模型为何偏向某项资产，以及这种偏好可以移动多远。

当小的措辞变化可能在相同客户事实下产生不同的建议时，精心打磨的解释几乎没有价值。

比特币报告中最危险的结果不是大额配置，甚至不是小额配置。最危险的是一个听起来完全有理有据的答案与接收者无法检查的过程之间的距离。

人类顾问可以解释为什么配置发生了变化，并且可以被追溯到支持该账户的记录。而人工智能顾问总是可以生成另一段精心打磨的段落，让机构必须证明该段落是来自于决策，而不是事后为了证明而写的。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。