根据Andrej Karpathy在Twitter上的分析，Python的random.seed()函数在以整数正负值（如3和-3）初始化时，会因为源码中对种子取绝对值处理，导致生成完全相同的随机数流[来源：Karpathy Twitter，Python random官方文档，CPython GitHub]。这种行为在AI和机器学习应用中容易引发数据泄漏等严重问题，例如用种子符号分割训练集和测试集时，实际上两者会得到相同的随机流，影响模型的效果和评估。random模块只保证相同种子产生相同序列，并不承诺不同种子结果不同，这一陷阱提醒AI开发者需深入理解底层实现，避免模型训练和复现过程中的隐性风险。