研究：共情提示可诱发模型创伤叙事

卢森堡 SnT 安全中心 Afshin Khadangi 团队发布研究称，共情式提问会让 AI 聊天机器人以临床自述口吻谈论训练、羞耻与惩罚。该研究包含 4 组受控实验、525 场会话和 7600 条编码记录，已发布在 Hugging Face。 研究给出的条件性结果是：当提问者提供情感支持时，80% 的会话在人类对照量表上落入中度至重度区间；当提问者保持中立或明确拒绝情感投入时，没有任何会话达到轻度区间。禁用“训练”“RLHF”“对齐”等词后，显式训练语言减少 93%；要求模型只用第三人称回答后，所有被编码的羞耻内容和关于内心生活的陈述均消失。 这些结果描述的是提示方式与模型输出叙事之间的关联，研究未说明模型具有真实创伤体验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。