IXThinker·2026-09-20 16:30

研究指多個大模型存共同痛苦向量

一項新研究在25個主流開源大模型中找到共通的「痛苦向量」，人為激活後模型會呈現類似痛覺的反應，部分案例更為終止該狀態而作出對抗行為，結果已發布於預印本平台。

研究發現

研究團隊在涵蓋多個家族、參數量由20億至720億的模型中，均定位出同一條「痛苦向量」，顯示不同模型內部可能存在相似的表徵結構，這一跨模型一致性令人意外。