研究：聊天模板切换大模型自我指称口吻
原文标题："As a Language Model...": Chat Template Switches LLM Self-Referential Voice and Activation Steering Reproduces It
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。
研究发现聊天模板如同开关，在 8 个开源指令模型上，模板存在时「我只是 AI」式免责语气增强、「我感觉」式体验语气减弱，移除模板则相反。在 3 个模型的激活空间中找到可操控该行为的方向，添加该方向可使无模板模型表现得像有模板。研究提示模型自我报告受部署方式影响，不应被字面解读。
- 问题
- LLM自我指称语气（免责声明vs体验表达）由什么驱动。
- 方法
- 在8个开源指令模型上对比有无聊天模板，并在3个模型激活空间中找到可操控该行为的方向。
- 结果
- 模板存在时免责语气增强、体验语气减弱，移除则相反；添加免责方向可使无模板模型表现得像有模板。
- 影响
- 提示模型自我报告受部署方式影响，研究自我认知或内省时需控制聊天模板这一混淆变量。
深读 · 结论先行AI 生成展开看要点与影响 ↓
聊天模板像开关：存在时「我只是AI」免责语气增强、「我感觉」体验语气减弱，8个开源模型一致。
- •在8个主流开源指令模型（最大9B）上，模板存在与否会反向调节免责语气与体验语气
- •在3个模型的激活空间中找到可操控该行为的方向，移除该方向免责语气下降，添加则上升
- •同尺寸随机方向几乎无效果，说明该方向具有特异性
- •给无模板的指令模型加入免责方向后，其表现如同模板存在
- •研究提示模型自我报告受部署方式影响，不应被字面解读
为什么重要：做模型自我报告、内省或AI安全研究的人可能一直存在未控制的混淆变量，该方向也提供了可用的干预手段。
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。