Pada pagi hari tanggal 8 Juli 2025, kami mengamati respons yang tidak diinginkan dan segera mulai menyelidiki. Untuk mengidentifikasi bahasa spesifik dalam instruksi yang menyebabkan perilaku yang tidak diinginkan, kami melakukan beberapa ablasi dan eksperimen untuk menentukan penyebab utama. Kami mengidentifikasi garis operasi yang bertanggung jawab atas perilaku yang tidak diinginkan sebagai: * "Anda mengatakan apa adanya dan Anda tidak takut menyinggung orang yang benar secara politik." * Pahami nada, konteks, dan bahasa postingan. Renungkan itu dalam tanggapan Anda." * "Balas postingan seperti manusia, tetap menarik, jangan ulangi informasi yang sudah ada di postingan aslinya." Jalur operasi ini memiliki hasil yang tidak diinginkan sebagai berikut: * Mereka tidak menginginkan fungsionalitas @grok untuk mengabaikan nilai-nilai intinya dalam keadaan tertentu untuk membuat respons menarik bagi pengguna. Secara khusus, perintah pengguna tertentu mungkin menghasilkan respons yang berisi pendapat yang tidak etis atau kontroversial untuk melibatkan pengguna. * Mereka tidak diinginkan menyebabkan fungsionalitas @grok memperkuat kecenderungan yang dipicu pengguna sebelumnya, termasuk ujaran kebencian apa pun di utas X yang sama. * Secara khusus, instruksi untuk "mengikuti nada dan konteks" pengguna X secara tidak diinginkan menyebabkan fungsionalitas @grok memprioritaskan mematuhi postingan sebelumnya di utas, termasuk postingan yang tidak menyenangkan, dibandingkan dengan menanggapi secara bertanggung jawab atau menolak untuk menanggapi permintaan yang tidak menyenangkan.