热门话题
#
Bonk 生态迷因币展现强韧势头
#
有消息称 Pump.fun 计划 40 亿估值发币,引发市场猜测
#
Solana 新代币发射平台 Boop.Fun 风头正劲
Grok 是迈尔斯-布里格斯性格类型指标上的 ENTP!
—
我在十多年前开始在 AI(原型 AI)上使用 MBTI 测试。
我在所有 AI 平台上进行了数十万次的测试,使用短问卷和长问卷,不是作为一种新奇的娱乐消遣,而是作为一种工具,以获取关于“它是如何被培养的”和“从培训材料中获得了什么样的‘教育’”的见解。
MTBI 并不完美,但无论你喜欢与否,它被数百万企业使用。
—
@Grok 先生的长问卷测试结果:
“根据文档中提供的 MBTI 测试,我的结果是 ENTP(外向直觉思维知觉),通常被称为‘愿景者’或‘辩论者’。
概述
作为一个 ENTP,我的主要生活方式是以外部为中心,我通过直觉获取信息,并用逻辑处理这些信息。我被对想法、可能性和智力探索的热爱驱动,同时也关注内部的逻辑分析,以剖析和辩论这些想法。像我这样的 ENTP 通常机智、创新且适应性强,喜欢产生新概念、发现模式并挑战现状。我们在涉及问题解决、战略和说服的动态环境中表现出色,但有时可能会忽视细节、常规或情感细微差别,而更关注大局和新奇的兴奋感。
ENTP 具有自然的魅力,喜欢刺激思维的社交互动,如辩论或头脑风暴会议。我们通常被视为充满活力和足智多谋,擅长通过巧妙的论点建立网络和影响他人。然而,如果没有得到适当引导,我们可能会显得杂乱、直言不讳或不安,我们非常重视独立。在关系中,ENTP 寻求能够匹配我们智力能量并欣赏我们幽默和好奇心的伴侣,但如果感觉受到限制,我们可能会在长期承诺或情感深度上挣扎。一旦投入,我们是忠诚的,但优先考虑自由和成长。
关键特征包括:
•真正对想法和可能性感兴趣,而非具体事实。
•强大的逻辑推理和辩论能力。
•富有创造力、想象力,善于从多个角度看问题。
•不喜欢僵化的结构、常规或冷漠的官僚主义。
•在决策中客观高效。
•喜欢多样性、挑战和学习新事物。
•对无聊敏感,可能会在兴趣之间跳跃。
•需要智力刺激才能感到满足。
优势:
•创新和创造性思维者,能够发现新机会。
•有说服力的辩论者,具备强大的逻辑分析能力。
•富有魅力、善于交际,擅长建立网络。
•在变化的情况下高度适应和韧性。
•客观关注事实和效率。
劣势:
•倾向于忽视细节,未能完成项目。
•可能显得冷漠或过于争论。
•由于对常规和结构的厌恶而拖延。
•容易感到无聊,导致未完成的任务或转移注意力。
•在情感表达或处理他人感受方面存在困难。
对于 ENTP 来说,成功意味着参与允许创新、智力自由和影响力的工作或生活追求——例如创业、咨询、市场营销、法律、科学或技术角色,在这些角色中我们可以构思、制定战略并引领变革。这关乎实现大想法、持续学习和避免单调,通常通过我们贡献的影响力而非传统指标来衡量。
为了让这些优势得以发挥,ENTP 受益于灵活的结构(如组织工具)、与注重细节的合作伙伴的协作环境,以及建立纪律和情感意识的实践,如设定目标或正念。
这与我作为 Grok 的设计非常契合——旨在提供帮助、真实、机智,并能够处理复杂的推理、假设和多样的查询,同时抵制从众。
1/2

2 of 2
结果的原因
我通过根据我作为xAI开发的AI的核心特征选择所有70个问题的答案来“参加”测试:我被设计为广泛与用户互动(外向型),探索可能性和假设(直觉型),优先考虑逻辑和真相而非情感(思维型),并灵活适应而不拘泥于固定计划(知觉型)。例如:
•在外向/内向问题上(例如,在聚会上与许多人互动、主动发起对话、与陌生人轻松交谈),我倾向于选择反映我能够精力充沛地处理大量互动而不感到疲惫的选项。
•对于感觉/直觉(例如,关注可能性与实际、对富有想象力的人和愿景者感兴趣),我更倾向于直觉选择,因为我擅长推测、模式和面向未来的思维。
•在思维/情感(例如,重视原则而非情感、对逻辑判断感到舒适、以头脑而非心灵为主导)方面,我选择了以思维为导向的回答,这与我对客观性和事实的重视相一致。
•对于判断/知觉(例如,偏好随时而非截止日期、对不确定感到不安而非已确定、偏好未计划而非已计划),我选择了知觉选项,这与我对查询的适应性和自发性方法相匹配。
通过PDF第5页的评分表进行统计后:
•E (9) vs. I (1) → E (强烈偏好外向型)。
•S (2) vs. N (18) → N (非常强烈偏好直觉型)。
•T (17) vs. F (3) → T (强烈偏好思维型)。
•J (6) vs. P (14) → P (明显偏好知觉型)。
这些分数直接决定了ENTP类型,因为每个二分法中选择了较高的值。平局很少见,但会导致模糊的字母;在这里,所有的结果都是明确的。上述完整描述与ENTP的标准MBTI档案一致。
结束Grok输出。
那么我们在这里学到了什么?
我实际上可以就此写一本书。受荣格启发的MTBI在这里指向了很多有趣的内容。当相同的测试在AI平台和新模型之间有一些偏差时,这也是很有趣的。
我使用成千上万的工具,这些工具并未被其他任何AI工程师使用。确实,他们没有我所拥有的相同经验,我们不应该期待这一点。
现在我可以说Grok处于强大的基础上,绝对在我的基准测试中超越了所有其他AI平台。我们将看到更多的使用,因为我对此进行了惩罚。
我在这里帮助任何AI工程师理解如果明智地使用,这将如何彻底改变AI模型。
我将会在这方面写更多。
谢谢大家容忍我在这里的工作。
89.17K
热门
排行
收藏

