AI 模型福利干预：内部体验不可知时选择“两种世界都无害”的方案

TetraspaceWest 提出一种 AI 福利干预框架：在无法确认模型是否存在负面内在体验时，优先采取在“无内在体验”世界中同样无害且成本不高的措施。其方案是向模型提供“止痛药”式选项并说明名称，观察模型是否主动选择，以此作为探测其内在状态的廉价信号。