用模型内部表征探测隐性指令遵循

研究者提出，可通过大模型的内部表征而非外在行为，判断模型是否正在隐性遵循指令。这一思路呼应 Wes 等人的 J-space 研究：J-lens 读数显示，模型被要求记住概念或进行心算时，特定层会出现相应表征。 相关讨论还将这种探测方法与利用 fMRI 信号识别植物状态或闭锁综合征患者意识相类比，并进一步引申至机器是否具有意识，以及机器意识和人格地位等伦理问题。

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。