研究提出通过反事实测试评估大模型自我报告机制

1. 12:00
   arXiv 自然语言处理

   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。

当前热度 5·可比范围峰值 5（9月30日 12:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。