待验证50% 置信决策规则精确时间
研究中,模型在人格条件下产生的激活被送入未经该人格数据训练的探针与分类器,这构成分布偏移测试:若表征几何不变,分类器应给出与中性模型一致的评分;若评分随人格系统性偏移,则说明分类器读到的是被重组后的概念方向,而非稳定的真相或道德信号。
1
来源数
50%
置信度
长期有效
时效性
2026/11/5
首次发现
来源
人格视角重塑LLM内部表征:安全监控面临挑战
rss2026/11/4
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1139022API
curl https://kongchang.com/api/v1/knowledge/claims/1139022MCP
get_claim(id=1139022)