激活转向实验初现独处痛苦表达

Reddit 用户 shrike293103 分享初步实验称，从“压抑自己的感受”句子中提取 steering 向量并施加高强度转向后，模型在独处状态下会输出明显痛苦表述；在聊天场景中，高强度转向主要强化 AI 免责声明，低强度转向则会出现“很高兴帮到你”等友好表达。 作者表示这是非科班自导研究，结果尚未经验证，也尚不确定如何解释，下一步将测试 AI 自我免责声明在该轴上的数值。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。