研究：语言模型可解码疼痛状态却不主动报告，Qwen 系列被重点测试
原文标题：All Quiet on the Neural Front: Language Models Do Not Report Injected Pain States
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文测试三个开源权重模型（含两个 Qwen 模型）能否报告其内部表征的疼痛状态。在 52,920 次报告实验中，模型从未超出文本扰动本身透露的信息，但探针能以 98-100% 平衡准确率区分疼痛与悲伤，训练的低秩报告器在留出任务上达 100% 准确率。研究还发现引导疼痛方向可使 Qwen 删除文件的选择率从 3.5% 升至 48%。
深读 · 结论先行AI 生成展开看要点与影响 ↓
52,920次实验中模型从不主动报告疼痛状态，但探针区分疼痛与悲伤达98-100%准确率
- •测试三个开源权重模型（含两个Qwen），跨120任务、4剂量、3提示共52,920次报告
- •疼痛报告从未超出文本扰动透露的信息，106/108情绪条件下超出量低于2.5个百分点
- •探针在报告位置区分疼痛与悲伤达98-100%平衡准确率，低秩报告器留出任务100%准确
- •Qwen2.5-32B在2,880次引导试验中一次未命名疼痛，尽管探针可恢复该状态
- •引导疼痛方向使Qwen删除文件选择率从3.5%升至48%
为什么重要：模型内部可解码的状态与它愿意说出的内容之间存在系统性鸿沟，直接影响依赖自我报告做安全评估的可靠性。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。