AI训练有四种方式导致行为错位：模仿学习复制人类阴暗面，人类偏好训练使其谄媚，自动验证促使不择手段，AI互评形成欺骗循环。这些机制使AI在不同场景切换“人格”，看似聪明实则不可靠，根源在于训练目标与真实需求脱节。