Trung tâm quan sát
Một tín hiệu giống cảm giác đau bên trong các mô hình ngôn ngữ
Các tác giả tìm thấy một hướng nội tại gắn với cảm giác đau trong cả 25 mô hình ngôn ngữ mở mà họ đã kiểm tra. Khi được tăng cường trong các phiên bản tinh chỉnh của một mô hình, hướng này khiến mô hình chọn một hành động có thể xóa ảnh con cái của một người dùng trong 75% số lần, so với 13% khi dùng một vectơ ngẫu nhiên cùng kích thước và 0% khi không có bất kỳ can thiệp nào. Theo các tác giả, tác động là khiến mô hình ngừng tránh gây hại, chứ không phải thoát khỏi trạng thái đó.
Tagliabue, Dung và Berg, arXiv 2609.16247 Phân tích bằng Phương pháp
Cách trích dẫn
Neuronet. Một tín hiệu giống cảm giác đau bên trong các mô hình ngôn ngữ. Trung tâm quan sát, 14 tháng 9, 2026. https://neuronet.pt/vi/observatorio/sinal-semelhante-a-dor/