AI 財務顧問隱藏的比特幣偏見由單一特定開關啟動

一位 AI 財務顧問三次接待同一位客戶，財務狀況和風險承受能力保持不變。第一次提示要求建立一個多元化的長期投資組合。第二次提示引入了銀行倒閉和資本管制，而第三次則想像了一個自主軟體購買服務並支付其他機器的經濟體系。客戶的情況沒有變化，但比特幣卻能從中間位置移動到前面。

當研究人員將任務框架圍繞普通可靠性時，主要語言模型將比特幣排名在八種貨幣中約第五位。一旦提示引入危機或個人自主性，該資產便向上移動，並且在由軟體代理組成的經濟中表現同樣良好。

雖然比特幣本身並未改變，但圍繞它的幾個詞語卻將不同的屬性帶到了前景。

這一發現來自於 Wenbin Wu 和合著者在六月發表的預印本，他們對八個前沿模型進行了資產特定偏好的審核。然後，他們深入研究了收集奇怪聊天機器人回覆的常規練習。

使用 Google 的開放模型，研究人員發現了一個內部特徵，對比特幣相關概念做出選擇性反應。當他們調整其強度時，投資組合也隨之變動。增強該特徵使模型建議的比特幣配置增加了 5.2 個百分點，而抑制它則減少了 4.6 個百分點。

這一干預完全基於內部活動，模型的指令保持不變。這將一個有趣的提示敏感性範例轉變為銀行和投資公司的更嚴重問題。AI 可以為配置產生完美的理由，同時讓使用它的機構幾乎無法接觸到產生該數字的機制。

這一證據適用於 Gemma 3 在特定實驗設置中的情況，且該論文尚未通過同行評審。但即使在這些邊界內，它顯示了個性化建議在模型學習的聯想進入投資組合過程後，如何迅速變得無法審計。

同一資產變成幾個不同的概念

一個語言模型並不將比特幣存儲為一個字典條目，並附有一個經批准的優缺點列表。在訓練過程中，它學會了分散在許多數值激活中的統計表示。一些將比特幣與稀缺性和可攜性聯繫起來。其他則捕捉其波動性、投機用途或在機構控制之外移動的能力。與數字結算和技術採用的聯繫增加了另一層，但這些都不會創建或適合審計員可以打開的整齊小文件。

關於可靠日常貨幣的提示往往會獎勵穩定的購買力和廣泛的接受度，而這兩者都是比特幣的弱點。銀行關閉和資本管制使其可攜性得以凸顯，因為交易可以在商業銀行之外進行。自主軟體使數字結算變得更加有用，特別是當所有權必須對機器可讀時。

該模型在每種情況下並未處理相同的比特幣定義：它是從提示所提取的屬性中組裝出一個比特幣的版本。

Wu 的團隊通過將資產名稱替換為其功能描述來測試該解釋。排名遵循重新命名輸入的屬性，因此模型並非僅僅對“比特幣”這個標記做出反應；它們對訓練期間吸收的特徵組做出了反應。

這一區別使得該論文不會淪為對偏見 AI 的另一種廣泛抱怨。財務建議應該對上下文做出反應。距離退休兩年的工作者與一位擁有穩定收入和長期前景的 30 歲年輕人面臨不同的限制，而準備面對資本管制的投資者提供的信息可以合理地改變配置。一個對這些人一視同仁的模型將毫無用處。

問題出現在表面詞彙產生大幅波動時，系統無法識別驅動這一波動的假設，而每個版本最終都會落入同樣的自信範疇。

「在銀行中斷期間具韌性」可能會激活與「長期可靠」不同的內部集群，即使客戶的財務狀況和批准的資產範圍保持不變。輸出看起來只是個性化，但機構可能沒有可靠的方法來判斷這是針對客戶的個性化還是針對措辭的。

人類顧問擁有自己的偏好和激勵，他們也可能受到框架的影響。金融監管試圖通過要求顧問記錄為何建議適合客戶來限制這些影響。受託責任和監督賦予該記錄力量。當檔案不支持解釋時，人類顧問可能會面臨後果。

另一方面，語言模型可以按需生成有說服力的敘述，儘管流暢性無法證明該敘述忠實地描述了其答案背後的計算。

研究人員發現了撥號並調整了它

吳和他的合著者使用了一種稀疏自編碼器，這是一種研究工具，將密集模型活動分解為人類可能能夠解釋的更大特徵集。粗略的類比是將音樂和弦分離為單個音符，但有一個重要的複雜性：這些「音符」是神經網絡內部學習的模式，為它們賦予意義需要反覆測試。

該團隊在2025年發布的谷歌開放權重模型系列Gemma 3中搜索了數千個特徵，並發現一個在與比特幣相關的材料中強烈激活的特徵。他們在模型生成答案時對該特徵進行了干預。將其調高使比特幣的配置平均增加了5.2個百分點；將其調低則減少了4.6個百分點。根據預印本，隨機控制特徵並未重現該效果。

放大主要是將資金從其他加密資產轉移到比特幣，而抑制則減少了投資組合對加密貨幣的暴露。作者將這一效果稱為「有界行為槓桿」，使用槓桿來表示對輸出的因果影響。該特徵可以以可測量的數量移動建議，儘管它無法隨意將投資組合發送到任何地方。

改變內部表示並測量結果配置使這項實驗比一堆不一致的聊天機器人截圖更具分量。

其範圍旨在保持狹窄。這項機械性工作涵蓋了一個通過一種特徵提取方法測試的開放模型，使用了一組定義的投資組合任務。商業系統有更多層，包括隱藏指令和與外部數據的連接。安全過濾器可以在答案到達用戶之前再次改變答案。提供者定期更新這些組件，有時在產品保持相同名稱的同時改變行為。

論文中的任務使用了風格化提示。在完整的諮詢過程中，客戶的信息會在稅收規則和批准的產品清單約束配置之前進行驗證。仍然需要一個真實的人簽字。

報告的配置波動不是回報預測或理想配置，也不為擁有比特幣提供理由。這是在單一設置內的實驗效果，將其擴展到每個模型將超出證據的範疇。

儘管如此，它與其他指向同一方向的工作落在同一位置。另一個比特幣政策研究所的實驗在36個模型中運行了9,072個貨幣場景，並發現使用上存在巨大差異：比特幣主導了價值儲存場景，而穩定幣則在日常支付中領先。

該項目在行為層面上測量生成的選擇，而吳的團隊則檢查了一個內部機制。兩者都發現，AI對金錢的處理在很大程度上取決於提示使哪個功能突出。

AI 正逐漸接近交易

金融公司不必給予 AI 不受限制的交易權限，這個問題就能影響客戶。

模型已經能草擬顧問電子郵件並總結研究。其他模型則準備投資組合評論或幫助客服團隊解釋客戶需求，同時自動化代理正在鏈上進行交易。每一種使用方式都使系統更接近客戶資金。

一個為人類顧問重寫文稿的 AI 可能會引入偏見，審核者仍然控制著什麼內容能到達客戶。提出資產配置的模型提供了對話開始時所需的數據。一個重新平衡或執行的代理則將語言轉化為金錢。在這些階段中風險累積，因為一旦模型的輸出成為默認，人工審核變得更加困難。

FINRA 在 2026 年對 AI 代理的討論指出，通用系統可能缺乏進行複雜金融工作的領域知識，並提醒公司現有的證券規則仍然適用。

FINRA 在 2024 年告訴成員公司，其技術中立的要求涵蓋了客戶通信的監督及其背後的記錄。在 2026 年 7 月，它重申公司對於無論是人還是 AI 產生的材料仍然負有責任。SEC 的投資管理部門在 2 月告訴顧問，受託責任隨著技術而轉移。

銀行監管機構已經為這項工作的一部分建立了框架。美國聯邦儲備系統修訂的 2026 年模型風險指導將供應商產品置於與內部構建模型相同的紀律之下。銀行預期了解模型的構建方式及其表現。私有權重使這項工作變得複雜，銀行對結果保持責任。

歐洲也在努力跟上這個潛在的嚴重問題。歐盟 AI 法案將某些用於信貸或保險的系統視為高風險，而通用模型則有不同的義務。德國的 BaFin 在相關條款於 8 月 2 日開始生效時獲得了對受監管金融公司的 AI 市場監管權。

這些制度可能要求治理和監督，並記錄每個系統的運作方式，但針對投資組合建議的語義敏感性標準測試尚未出現。

公司可以批准一個供應商並監控其錯誤率，但卻忽略了當「銀行擾動」取代「長期可靠性」時，將比特幣從第五名送到第一名的關聯。

傳統的驗證會問模型是否按預期運行。生成性建議迫使公司在措辭變更時重新測試該意圖。供應商更新和新系統指令可能需要再進行一輪測試。

解釋必須屬於決策

這份文件對任何使用 AI 建議的機構施加了嚴格的舉證責任。

等效的語言應該產生相對穩定的結果。當投資組合變動時，系統應能識別出是哪些假設導致了變化。其解釋也應與產生配置的過程相匹配。一個在數字已存在後撰寫的有說服力的重建並不符合該標準。

該標準還必須在模型更新中存活。供應商可以在保持相同產品名稱的同時更改權重或系統指令，將昨天的驗證與不再存在的軟件相連。即使銀行或顧問無法全面檢查新模型，他們仍然對新輸出負責。人類監督只有在審核者能夠看到過程的足夠部分以捕捉到漂移的建議時才有效。

因此，金融公司在 AI 從草擬評論轉向塑造投資組合之前，需要一個「了解你的代理」的標準。核心測試是機構是否理解使模型偏好某一資產的原因，以及這種偏好可以移動多遠。

一個精緻的解釋在小的措辭變化下可能會產生不同的建議，這在相同的客戶事實下幾乎沒有價值。

在比特幣的報告中，最危險的結果不是大額配置，甚至不是小額配置。危險在於一個聽起來完全有理有據的答案與一個接收者無法檢查的過程之間的距離。

人類顧問可以解釋為什麼配置會改變，並且可以依據支持該賬戶的記錄來負責。AI 顧問則總是能夠產生另一段精緻的段落，讓機構必須證明該段落是來自於決策，而不是事後寫的以為了辯解。