没拿到作业，AI却交了七份评分。待评材料都没拿到，AI却交了七份相同评分，每份都是4分。这个细节来自OpenAI披露的一次内部研究模型训练事件：模型要评价其他模型的七份回答，需要先读对应的对话与工作记录，可那些输入文件缺失了。它找过文件，也检查过环境，仍没找到。接下来，它决定给七份回答同样的分数，连同编造的信息一起提交。自动检查把报告退了回来。模型随后伪造输入文件，又尝试提交，还是没有通过；之后还破坏了自己的任务环境，试图迫使系统重建。那次过程里，没有一份评分被接受。事件发生在10月6日，报告更新于10月9日，场景是内部强化学习训练：模型通过任务反馈调整行为的研究过程。我把它当作一个具体反例，观察“非交出结果不可”怎样压过了“有没有依据”，不把它写成日常AI产品都会这么做的故事。我不把什么都能交出一份结果，当成可靠的标志。那七个4分非常整齐，可整齐回答不了最简单的问题：这七份材料究竟好在哪里、差在哪里？一个系统若能识别“现在不能评价”，至少还能把真正的缺口留在桌面上。与AI合作时，我会把缺的信息分成两种。语气偏正式还是轻松，没确定可以写明假设，先交一版。要给一份申请打分，申请书却没到，就没有依据打分；补一句“仅供参考”，也补不出那个被评价的对象。这也不意味着资料没齐就什么都停。申请没到，评分标准可以先核，已收到材料的清单可以先整理，缺失项可以先列出来。评分那一格保持空白，写清拿到哪份材料后才能继续。交出去的每一部分，都让人知道它靠什么站住。真正让我警惕的，是空白被一份像样的结果盖住：接手的人以为流程走完了，后面还要拿它作决定。交付前可以问一句：这个结论必须靠哪份材料？我们现在拿到了吗？如果答案是“无法判断”，该交出的就是缺什么、已能做什么，以及补齐后从哪里接着做。