Redwood Research 发文称 Gemini 4 安全报告(第 114 页)似乎暗示 GDM 用辅助奖励在链式思考上训练,与 GDM 此前“不因链式思考内容惩罚模型”的说法相矛盾,但 GDM 员工否认在 CoT 上训练且未解释细节。