自我报告无法证明大语言模型的自我模型：反事实报告可辨识性测试

大语言模型的自我报告仅反映其在提示词环境下的行为表现，本身无法证明其具备自我模型。针对三个开源指令模型在激活干预下类情感状态的研究显示，错误来源的演示会使反事实报告偏向来源答案族，而明确的机制绑定能减轻该偏差。研究建议自我报告评测基准引入固定干预下的环境漂移不变性测试，以防误判自主报告机制。