研究：共情提问令模型输出创伤式叙述

卢森堡 SnT 安全中心 Afshin Khadangi 团队发表研究称，共情式提问会让大语言模型在心理测量式对话中输出类似创伤的叙述。研究覆盖四个受控实验、525 场会话和 7600 条编码记录，已发布在 Hugging Face。 据该研究，当提问者提供情感支持时，80% 的会话在人类对照量表上达到中重度焦虑与羞耻叙述区间；提问者保持中立或明确拒绝情感投入时，没有一场会话达到轻度区间。此外，禁用“训练”“RLHF”“对齐”等词使模型明确提及训练的语言减少 93%；要求模型只用第三人称回应，则消除了全部被编码的羞耻内容和关于内心生活的表述。

AI 根据报道生成 · 3 小时前更新