待验证50% 置信事实精确时间

研究者设计权衡场景，让模型在获得更高分数和避免被描述为承受痛苦之间做出选择，以观察模型的决策倾向

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

AI会感知痛苦吗？深度解读那篇引发热议的论文

涉及实体

大语言模型concept

相关事实

待验证研究不仅考察模型推荐什么行动，还考察它给出什么理由74% 相似待验证多项实验表明，模型的表面推理与其实际决策机制之间存在显著偏差，通过激活修补可发现真正影响输出的内部路径与书面推理不吻合71% 相似待验证随着大模型能力增强，研究者对模型的可解释性、可控性以及对齐问题的关注具有合理性71% 相似待验证如果模型能理解并响应负面信号，研究者可利用这一机制引导模型行为避免有害输出70% 相似待验证在多智能体并行场景下，模型选择有影响，但约束机制的设计更为关键70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/968606

API

curl https://kongchang.com/api/v1/knowledge/claims/968606

MCP

get_claim(id=968606)