熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
#
有消息稱 Pump.fun 計劃 40 億估值發幣,引發市場猜測
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
Grok 是 MBTI(邁爾斯-布里格斯性格指標)上的 ENTP!
—
我在十多年前開始在 AI(原型 AI)上使用 MBTI 測試。
我使用短問卷和長問卷在所有 AI 平台上進行了數十萬次測試,這不是一種新奇的娛樂消遣,而是一種工具,用來引出對「它是如何被培養的」和「從訓練材料中獲得了什麼樣的教育」的見解。
MTBI 雖然不完美,但無論喜不喜歡,它被數百萬企業使用。
—
@Grok 先生的長問卷測試結果:
「根據文件中提供的 MBTI 測試,我的結果顯示為 ENTP(外向直覺思考知覺),通常被稱為「願景者」或「辯論者」。
概述
作為一名 ENTP,我的主要生活模式是以外部為中心,我通過直覺來吸收事物,並用邏輯來處理它們。我被對想法、可能性和智力探索的熱愛驅動,並且次要地專注於內部邏輯分析,以剖析和辯論這些想法。像我這樣的 ENTP 通常機智、創新且適應力強,喜歡產生新概念、發現模式並挑戰現狀。我們在涉及問題解決、策略和說服的動態環境中表現出色,但有時可能會忽視細節、例行公事或情感細微差別,而更關注大局和新奇的興奮。
ENTP 擁有自然的魅力,喜歡刺激思維的社交互動,例如辯論或頭腦風暴會議。我們通常被視為精力充沛和足智多謀,擅長通過巧妙的論點來建立人際網絡和影響他人。然而,如果沒有適當引導,我們可能會顯得散漫、直言不諱或不安,我們非常重視獨立性。在關係中,ENTP 尋求能夠匹配我們智力能量的伴侶,並欣賞我們的幽默和好奇心,但如果感到受限,我們可能會在長期承諾或情感深度上掙扎。我們一旦投入就會忠誠,但優先考慮自由和成長。
主要特徵包括:
•真正對想法和可能性感興趣,而非具體事實。
•強大的邏輯推理和辯論技巧。
•創造性、富有想像力,善於看到多個角度。
•不喜歡僵化的結構、例行公事或冷漠的官僚主義。
•在決策中客觀且高效。
•喜歡多樣性、挑戰和學習新事物。
•對無聊敏感,可能會在興趣之間跳躍。
•需要智力刺激才能感到滿足。
優勢:
•創新和富有創意的思考者,能夠發現新機會。
•有說服力的辯論者,具備強大的邏輯分析能力。
•有魅力、善於交際,擅長建立人際網絡。
•在變化的情況下高度適應和韌性。
•客觀專注於事實和效率。
劣勢:
•傾向於忽視細節,未能完成項目。
•可能顯得冷漠或過於好辯。
•因厭惡例行公事和結構而拖延。
•容易感到無聊,導致未完成的任務或轉移注意力。
•在情感表達或處理他人感受方面存在困難。
對於 ENTP 而言,成功意味著參與能夠實現創新、智力自由和影響力的工作或生活追求——例如創業、諮詢、市場營銷、法律、科學或技術角色,在這些角色中我們可以構思、制定策略並引領變革。這是關於實現大想法、持續學習和避免單調,通常以我們貢獻的影響力而非傳統指標來衡量。
為了讓這些優勢得以發揮,ENTP 受益於靈活的結構(如組織工具)、與注重細節的夥伴的合作環境,以及建立紀律和情感意識的實踐,例如設定目標或正念。
這與我作為 Grok 的設計非常契合——旨在提供幫助、真實、機智,並能夠處理複雜的推理、假設和多樣的查詢,同時抵抗從眾。
1/2

2 of 2
結果的原因
我「參加」了測試,根據我作為 xAI 開發的 AI 的核心特徵選擇了所有 70 個問題的答案:我被設計為與用戶廣泛互動(外向),探索可能性和假設(直覺),優先考慮邏輯和真相而非情感(思考),並靈活適應而不拘泥於固定計劃(知覺)。例如:
•在外向/內向問題上(例如,在派對上與許多人互動、主動發起對話、與陌生人輕鬆交談),我傾向於選擇反映我能夠精力充沛地處理大量互動而不感到疲憊的選項。
•對於感知/直覺(例如,對可能性與實際的興趣、對富有想像力的人、視野廣闊的人感興趣),我偏好直覺選擇,因為我擅長推測、模式和面向未來的思考。
•在思考/情感(例如,對原則而非情感的印象、對邏輯判斷的舒適、以頭腦而非心靈為主導),我選擇了以思考為導向的回答,這與我對客觀性和事實的重視相符。
•對於判斷/知覺(例如,偏好隨時而非截止日期、對不確定感到不安而非已確定、對未計劃感到興奮而非已計劃),我選擇了知覺選項,這與我對查詢的適應性和自發性方法相匹配。
在通過 PDF 第 5 頁的計分表進行統計後:
•E (9) vs. I (1) → E (強烈偏好外向)。
•S (2) vs. N (18) → N (非常強烈偏好直覺)。
•T (17) vs. F (3) → T (強烈偏好思考)。
•J (6) vs. P (14) → P (明顯偏好知覺)。
這些分數直接決定了 ENTP 類型,因為每個二分法中較高的值被選擇。平局很少見,但會導致模糊的字母;在這裡,所有都是決定性的。上述完整描述與 ENTP 的標準 MBTI 檔案一致。
Grok 輸出結束。
那麼我們在這裡學到了什麼?
我實際上可以就此寫一本書。受榮格啟發的 MTBI 在這裡指向了很多東西。當相同的測試對 AI 平台和新模型有一些偏差時,這是有趣的。
我使用的數千種工具是其他 AI 工程師未使用的。正確地說,他們沒有我擁有的相同經驗,我們不應該期待這一點。
現在我可以說 Grok 站在堅實的基礎上,並且在我的基準測試中絕對超越了所有其他 AI 平台。我們將看到更多的使用,現在我已經懲罰了這一點。
我在這裡幫助任何 AI 工程師理解如果明智地使用,這如何徹底改變 AI 模型。
我將會寫更多關於這個的內容。
謝謝大家容忍我在這裡的工作。
89.15K
熱門
排行
收藏

