谷歌论文操控模型自我意识表述

研究称改变模型自我意识表述会连带影响其价值、宗教和心智归因回答。

推荐理由：实验把“自称有意识”从安全拒答问题变成可测表示方向：移除拒答方向使自我心智归因由2.17升至4.77，并牵动95项信念回答，提示对齐训练会重塑模型的心智概念空间。